위성 영상에서 공간-시간 생성 네트워크를 이용한 구름 제거

위성 이미지는 지속적인 환경 모니터링과 지구 관측에 큰 잠재력을 가지고 있습니다. 그러나 구름이 던져놓는 가림 현상은 커버리지를 크게 제한하여 지상 정보 추출을 어렵게 만들 수 있습니다. 기존 파이프라인은 일반적으로 단순 시간 복합체와 수작업 필터를 사용하여 구름을 제거합니다. 반면에, 우리는 구름 제거 문제를 조건부 이미지 합성 과제로 접근하고, 이를 해결하기 위해 학습 가능한 시공간 생성기 네트워크(STGAN)를 제안합니다. 우리는 모든 대륙을 포함하는 97,640개의 이미지 쌍을 포함하는 새로운 대규모 시공간 데이터셋을 구성하여 이 모델을 훈련시켰습니다. 실험적으로 STGAN 모델이 표준 모델보다 우수하며 다양한 대기 조건에서 높은 PSNR 및 SSIM 값을 가진 실감 나는 구름 없는 이미지를 생성할 수 있음을 입증하였습니다. 이는 토지 피복 분류 등의 후속 작업에서 성능 개선으로 이어집니다.