PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2409.13568v3cs.CV공식 코드 · Papers with Code

뭉게구름 문제에 대응: Sentinel-1 및 Sentinel-2 위성 영상 시계열 기반 강건한 농경지 경계 구획

Tackling fluffy clouds: robust agricultural field boundary delineation from Sentinel-1 and Sentinel-2 satellite image time series

농경지 경계를 정확히 구획하는 것은 효과적인 작물 모니터링과 자원 관리에 필수적이다. 그러나 경쟁 방법론들은 종종 구름 없는 데이터 큐레이션에 대한 광범위한 수작업 의존과 다양한 전 세계 조건에 대한 제한된 적응성 등 상당한 어려움에 직면한다. 본 논문에서는 Sentinel-1(S1) 또는 Sentinel-2(S2) 위성 영상의 3차원 시계열을 처리하도록 특별히 설계된 심층 학습 아키텍처 PTAViT3D를 제안한다. 또한 S1과 S2 데이터셋을 융합하기 위해 교차 어텐션(cross-attention) 메커니즘을 통합한 PTAViT3D의 확장인 PTAViT3D-CA를 제시하여, 구름 오염이 있는 상황에서의 강건성을 높인다. 제안 방법은 메모리 효율적인 3D Vision Transformer 아키텍처를 통해 시공간 상관을 활용하여, 전처리된 구름 영향 영상으로부터 직접 정확한 경계 구획을 가능하게 한다. 우리는 호주의 ePaddocks—호주 작물 재배 지역을 아우르는 CSIRO의 전국·대륙 규모 농경지 경계 제품—를 비롯해 공개 벤치마크 Fields-of-the-World, PASTIS, AI4SmallFarms 등 다양한 데이터셋에서 광범위한 실험을 통해 모델을 종합적으로 검증했다. 결과는 일관되게 최신 최고(state-of-the-art) 성능을 보여 주며, 뛰어난 전 세계 전이 가능성과 강건성을 부각한다. 특히 본 접근법은 구름 영향 영상을 안정적으로 처리함으로써 데이터 준비 워크플로를 크게 단순화하고, 이에 따라 다양한 농업 환경에 걸친 강한 적응성을 제공한다. 코드와 모델은 https://github.com/feevos/tfcl 에서 공개되어 있다.