스케일 가능한 다중 시점 원격 감시 변화 데이터 생성을 위한 확률적 변화 과정 시뮬레이션

지구 표면의 시간적 동역학을 이해하는 것은 다중 시점 원격 감시 이미지 분석의 임무로, 이는 라벨링된 다중 시점 이미지를 연료로 하는 딥 비전 모델에 의해 크게 촉진되었습니다. 그러나 대규모로 다중 시점 원격 감시 이미지를 수집, 전처리 및 주석화하는 것은 비용이 많이 들고 지식이 필요한 작업으로 쉽지 않습니다. 본 논문에서는 이러한 문제를 완화하기 위해 저렴하고 자동화된 방법으로 확장 가능한 다중 시점 원격 감시 변화 데이터 생성기를 제안합니다. 우리의 주요 아이디어는 시간에 따른 확률적 변화 과정을 시뮬레이션하는 것입니다. 우리는 이 확률적 변화 과정을 확률적 의미 상태 전환으로 간주하며, 이를 생성형 확률적 변화 모델(Generative Probabilistic Change Model, GPCM)이라고 명명하였습니다. GPCM은 복잡한 시뮬레이션 문제를 두 개의 추적 가능한 하위 문제, 즉 변화 사건 시뮬레이션과 의미상의 변화 합성으로 분리합니다. 이러한 두 가지 문제를 해결하기 위해, 우리는 GAN 기반의 GPCM인 변화 생성기(Change Generator, Changen)를 제시합니다. Changen은 사용자 정의 가능한 객체 속성과 변화 사건을 포함하여 제어 가능한 객체 변화 데이터 생성을 가능하게 합니다. 광범위한 실험 결과는 우리의 Changen이 우수한 생성 능력을 가지고 있으며, Changen 사전 훈련을 받은 변화 탐지기가 실제 세계의 변화 데이터셋에 대해 뛰어난 전이 성능을 보임을 나타냅니다.