마스크 뷰를 통한 원격 탐사 변화 탐지의 재고

원격 탐사 변화 탐지 기술은 동일한 지역에 대해 서로 다른 시점에 촬영된 두 장 이상의 이미지를 비교하여 지리적 객체 및 환경 요인의 변화를 정량적·정성적으로 평가하는 것을 목표로 한다. 기존의 주류 모델들은 일반적으로 픽셀 단위로 변화를 탐지하는 패러다임에 기반하고 있으나, 복잡한 장면 구조와 영상 촬영 조건의 변동성으로 인해 변화의 다양성을 충분히 수용하지 못하는 한계를 지닌다. 이러한 문제를 해결하기 위해 본 논문은 마스크 기반의 변화 탐지 관점을 재고하고, 이를 바탕으로 다음과 같은 두 가지 주요 기여를 제안한다: 1) 메타 아키텍처인 CDMask 및 2) 인스턴스 기반 네트워크인 CDMaskFormer. CDMask는 시아메스 백본(Siamese backbone), 변화 추출기(change extractor), 픽셀 디코더(pixel decoder), 트랜스포머 디코더(transformer decoder), 정규화 탐지기(normalized detector)로 구성되며, 마스크 탐지 패러다임의 효과적인 작동을 보장한다. 특히, 이중 시점 특징 정보에 기반하여 변화 쿼리(change query)를 적응적으로 업데이트할 수 있기에, 다양한 은닉 데이터 분포에 유연하게 대응 가능하며, 복잡한 환경에서도 관심 영역의 변화를 정확히 식별할 수 있다. 이를 바탕으로 변화 탐지 작업에 특화된 인스턴스 네트워크인 CDMaskFormer을 추가로 제안하며, 그 구성 요소는 다음과 같다: (i) 공간-시간 컨볼루션 주의 기반의 인스턴스화된 변화 추출기로, 가벼운 연산 부담으로 동시에 공간적·시간적 맥락 정보를 효과적으로 포착하고, (ii) 장면 유도형 축 주의 기반의 인스턴스화된 트랜스포머 디코더를 통해 보다 풍부한 공간 세부 정보를 추출한다. 제안된 CDMaskFormer은 다섯 개의 벤치마크 데이터셋에서 최신 기술 수준의 성능을 달성하며, 효율성과 정확성 사이의 우수한 균형을 보여준다. 코드는 https://github.com/xwmaxwma/rschange 에서 공개되어 있다.