UnCRtainTS: 광학 위성 시계열 데이터에서 구름 제거를 위한 불확실성 측정

구름과 안개는 종종 광학 위성 이미지를 가리는데, 이로 인해 지구 표면의 연속적이고 밀도 높은 모니터링이 방해받습니다. 현대의 딥러닝 방법들은 이러한 가림을 암시적으로 무시할 수 있지만, 사전 처리로서 명시적인 구름 제거는 수작업 해석을 가능하게 하며 주석이 적은 경우에도 모델 학습을 허용합니다. 구름 제거는 부분적으로 안개를 통해 보이는 장면부터 완전히 불투명한 구름 덮개까지 다양한 가림 시나리오 때문에 어려운 문제입니다. 또한, 재구성된 이미지를 후속 응용 프로그램에 통합하는 것은 신뢰할 수 있는 품질 평가로부터 크게 혜택을 받을 것입니다. 본 논문에서는 다중 시점 구름 제거를 위한 새로운 주의 기반 아키텍처와 다변량 불확실성 예측 공식을 결합한 UnCRtainTS라는 방법을 소개합니다. 이 두 구성 요소가 결합되어 두 개의 공개 구름 제거 데이터셋에서 이미지 재구성 측면에서 새로운 최고 성능을 달성하였습니다. 또한, 잘 교정된 예측 불확실성이 재구성 품질을 정밀하게 조절할 수 있음을 보여줍니다.