위성 이미지 복원을 위한 딥 프라이어와 정확한 불확실성 추정

초록

본 논문은 위성 광학 이미지의 복원(노이즈 제거·디블러·초해상화)과 동시에 복원 결과에 대한 불확실성을 정량화하는 새로운 딥 정규화(Deep Regularization) 방법인 VBLE‑xz를 제안한다. 변분 압축 자동인코더(CAE)의 잠재공간에서 역문제를 풀고, 비트레이트를 조절하는 훈련‑무료 기법으로 정규화 강도를 자동 적응시킨다. 또한 잠재공간과 이미지 공간을 모두 포함하는 명시적 사후분포를 변분 추론으로 근사해 빠른 샘플링을 가능하게 한다. 플레아데스 고해상도 시뮬레이션·실제 데이터 실험을 통해 복원 품질, 불확실성 추정 정확도, 계산 효율성 모두에서 기존 MCMC·확산 기반 방법을 능가함을 보인다.

상세 분석

VBLE‑xz는 기존 VBLE의 두 가지 한계를 극복한다. 첫째, 정규화 강도를 비트레이트 조절만으로 다중 난이도 역문제에 적용할 수 있게 하여, 센서별·조건별 별도 CAE 학습이 필요 없게 만든다. 이는 Biquard et al.