스펙트럴-스페이셜 정정을 통한 스펙트럴 스태틱 재구성 개선

고광대역 영상(Hyperspectral Image, HSI)의 스펙트럼 및 공간 특성을 효과적으로 활용하는 것은 스펙트럼 스�냅샷 재구성 분야에서 항상 핵심적인 과제로 여겨져 왔다. 최근 스펙트럼 단위 변형기(Spectra-wise Transformer)는 HSI의 서로 다른 스펙트럼 간 유사성을 효과적으로 포착할 수 있는 큰 잠재력을 보여주고 있으나, 기존 변형기의 전형적인 설계 방식인 스펙트럼(채널) 차원에서의 멀티헤드 분할(multi-head division)은 전반적인 스펙트럼 정보 모델링을 제한하고 평균 효과(mean effect)를 유발한다는 문제가 있다. 또한 기존의 방법들은 영상 촬영 과정을 고려하지 않은 일반적인 공간 사전 지식(spatial priors)을 사용하여 스�냅샷 스펙트럼 재구성에서 발생하는 고유한 공간 저하 문제를 해결하지 못하고 있다. 본 논문에서는 멀티헤드 분할의 영향을 분석하고, 스펙트럼 정보 활용을 강화하며 공간 저하를 개선하기 위한 새로운 스펙트럼-공간 보정(Spectral-Spatial Rectification, SSR) 방법을 제안한다. 구체적으로 SSR은 두 가지 핵심 구성 요소로 구성된다: 창 기반 스펙트럼 단위 자기주의(Window-based Spectra-wise Self-Attention, WSSA)와 공간 보정 블록(spAtial Rectification Block, ARB). WSSA는 전역적인 스펙트럼 정보를 포착하고 국소적인 차이를 반영하기 위해 설계되었으며, ARB는 공간 정렬 전략을 활용하여 공간 저하를 완화하는 데 목적이 있다. 시뮬레이션 및 실제 장면에서의 실험 결과를 통해 제안된 모듈들의 효과성을 입증하였으며, 다양한 스케일의 모델을 제공함으로써 본 방법의 우수성을 더욱 명확히 보여주었다.