# Rethinking Satellite Image Restoration for Onboard AI: A Lightweight Learning-Based Approach

### 저자

Adrien Dorise, Marjorie Bellizzi, Omar Hlimi

### 💡 개요

본 논문은 위성 영상의 화질 저하를 보정하는 복원 기술이 지상 기반 처리뿐만 아니라 온보드 AI 응용에서도 중요해지고 있음을 지적합니다. 기존의 물리 모델 기반 복원 방식은 계산량이 많고 느려 위성 온보드 환경에 부적합하다는 문제점을 해결하고자, 본 연구에서는 경량의 잔차 컨볼루션 신경망인 ConvBEERS를 제안합니다. 모의 위성 데이터를 학습한 ConvBEERS는 기존 파이프라인 대비 경쟁력 있는 복원 성능을 달성하고, 객체 탐지 성능 향상에도 기여하며, FPGA에 성공적으로 배포되어 실용성을 입증했습니다.

### 🔑 시사점 및 한계

- 위성 영상 복원을 위한 경량의 비생성적(non-generative) 컨볼루션 신경망 접근 방식이 기존의 복잡한 파이프라인을 능가하거나 이에 필적하는 성능을 낼 수 있음을 보여줍니다.

- 제안된 ConvBEERS 모델은 복원 품질뿐만 아니라 후속 객체 탐지 성능 향상에도 긍정적인 영향을 미치며, 실제 위성 탑재를 위한 하드웨어 구현 가능성을 보여줍니다.

- 본 연구는 모의 데이터를 활용한 학습 결과를 바탕으로 하며, 실제 위성 환경에서 발생할 수 있는 다양한 예상치 못한 문제점들에 대한 추가적인 검증 및 성능 최적화가 필요할 수 있습니다.

---

[PDF 보기](https://arxiv.org/pdf/2604.12807)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).