DiffCR: 광학 위성 이미지에서 구름 제거를 위한 빠른 조건부 확산 프레임워크

광학 위성 영상은 중요한 데이터 소스이지만, 구름 덮개가 종종 그 품질을 저하시켜 이미지 응용과 분석을 방해합니다. 따라서 광학 위성 영상에서 효과적으로 구름을 제거하는 것이 주요 연구 방향으로 부각되었습니다. 최근의 구름 제거 기술은 주로 생성적 적대 네트워크에 의존하지만, 이는 때때로 최적의 이미지 품질을 제공하지 못할 수 있습니다. 반면, 확산 모델은 다양한 이미지 생성 작업에서 뛰어난 성공을 보여주며, 이 문제를 해결하는 데 큰 잠재력을 가지고 있음을 입증하였습니다. 본 논문에서는 조건부 가이드 확산과 깊은 합성곱 네트워크를 활용하여 광학 위성 영상에서 고성능 구름 제거를 실현하는 새로운 프레임워크인 DiffCR(Diffusion-based Cloud Removal)를 제시합니다. 특히, 조건부 이미지 특징 추출을 위한 분리된 인코더를 도입하여 조건부 입력과 합성 출력 간의 외관 정보 유사성을 보장하기 위한 강력한 색상 표현을 제공합니다. 또한, 구름 제거 모델 내에서 조건부 이미지와 대상 이미지 간의 외관 대응 관계를 정확하게 시뮬레이션하면서도 낮은 계산 비용으로 수행할 수 있는 새로운 효율적인 시간 및 조건 융합 블록을 제안합니다. 두 가지 일반적으로 사용되는 벤치마크 데이터셋에 대한 광범위한 실험 평가 결과, DiffCR는 모든 지표에서 일관되게 최고 수준의 성능을 달성하며, 이전 최고 방법들의 매개변수와 계산 복잡도의 각각 5.1%와 5.4%만으로 이를 실현하였습니다. 본 논문이 수락되면, 소스 코드, 사전 학습된 모델 및 모든 실험 결과는 https://github.com/XavierJiezou/DiffCR 에 공개될 예정입니다.