본 논문은 지구 기후, 날씨 및 복사 에너지 수지에 중요한 영향을 미치는 구름 광학 두께(COT)의 정확한 추정을 위한 새로운 딥러닝 기반 모델인 Cloud-Attention-Net with Angle Coding (CAAC)을 제안합니다. 기존의 독립 픽셀 근사(IPA) 방법과 기존 딥러닝 모델들의 한계인 3차원 구름 효과, 시야각, 대기 간섭 및 빛의 세기 변화, 왜곡, 구름 그림자 등에 대한 민감성을 극복하기 위해, CAAC는 어텐션 메커니즘과 각도 임베딩을 활용하여 위성 시야 기하학 및 3차원 복사 전달 효과를 고려합니다. 다각도 훈련 전략을 통해 각도 불변성을 확보하며, 실험 결과 기존 최첨단 딥러닝 모델보다 구름 특성 추정 오차를 최소 9배 감소시키는 것을 보여줍니다.