본 논문은 원격탐사 영상의 팬샤프닝을 위한 심층 학습 기반 방법의 효율성을 제한하는 특징들의 이질성과 중복성을 해결하기 위해, 공분산 행렬을 이용한 새로운 방법인 ADWM(Adaptive Dual-Level Weighting Mechanism)을 제안합니다. ADWM은 특징 내 상관관계를 고려하여 중복성을 줄이고 고유 정보를 강화하는 IFW(Intra-Feature Weighting)와 계층 간 상관관계를 기반으로 각 계층의 기여도를 조정하는 CFW(Cross-Feature Weighting)의 두 가지 메커니즘으로 구성됩니다. CACW(Correlation-Aware Covariance Weighting) 기법을 통해 공분산 행렬로부터 특징 간 상관관계를 파악하고 비선형 함수를 이용하여 가중치를 조정합니다. 다양한 실험을 통해 기존 최첨단 방법들보다 우수한 성능을 보임을 확인하였고, 추가적인 실험들을 통해 접근 방식의 효과성을 검증했습니다. 소스 코드는 공개되어 있습니다.
