통합 의미 손실 모델을 통한 딥 JSCC 기반 지구관측 영상 전송 최적화

초록

본 논문은 고해상도 지구관측(EO) 영상을 위성 통신 환경에서 효율적으로 전송하기 위해 딥 Joint Source‑Channel Coding(DJSCC)을 활용한다. 재구성 중심과 작업 지향 두 관점을 동시에 고려한 의미 손실을 정량화하고, 압축 비율(ρ)과 채널 SNR(γ)의 상호작용을 포착하는 통합 손실 함수를 제안한다. 실험은 EuroSAT 데이터셋과 EfficientViT 분류기를 사용해 PSNR·SSIM·MSE와 분류 정확도·정밀도·재현율을 동시에 측정했으며, 제안 모델이 기존 1차원 손실 모델보다 훨씬 높은 예측 정확도를 보임을 입증한다.

상세 분석

이 연구는 지구관측 위성 시스템에서 발생하는 두 가지 주요 제약—대역폭·전력 제한과 동적인 채널 잡음—을 동시에 완화하기 위해 DJSCC를 채택한다는 점에서 의미가 크다. 기존의 분리 기반 코덱(JPEG2000+LDPC 등)은 Shannon의 분리정리에 의존하지만, 실제 LEO 위성에서는 채널 상태가 급변하고 전송 지연이 짧아 이론적 최적성을 달성하기 어렵다. DJSCC는 인코더와 디코더를 하나의 신경망으로 학습시켜, 압축률과 채널 잡음에 대한 내성을 동시에 최적화한다.

논문은 의미 손실을 두 축으로 정의한다. 첫 번째는 재구성 중심으로, PSNR, SSIM, MSE 등 전통적인 이미지 품질 지표를 사용해 압축 비율 ρ와 SNR γ가 증가하거나 감소할 때 재구성 이미지가 얼마나 손상되는지를 정량화한다. 실험 결과는 ρ가 커질수록(즉, 더 높은 압축)와 γ가 낮을수록(채널 잡음이 심할수록) PSNR과 SSIM이 급격히 감소하고 MSE가 상승함을 보여준다.

두 번째는 작업 지향(task‑oriented) 접근으로, EfficientViT 같은 경량 비전 트랜스포머를 디코더 뒤에 배치해 재구성된 이미지를 바로 분류한다. 여기서는 정확도, 정밀도, 재현율을 의미 손실로 사용한다. 결과는 압축률이 높아도 SNR이 충분히 좋을 경우(예: γ≥4 dB) 분류 성능이 95 % 이상 유지되지만, SNR이 -6 dB 수준으로 떨어지면 정확도가 80 % 이하로 급감한다는 점을 강조한다.

핵심 기여는 두 손실을 하나의 수식(식 1)으로 통합한 모델이다. ξ = μ₀ + ∑ₖ