EarthSynth: Generating Informative Earth Observation with Diffusion Models
Created by
Haebom
저자
Jiancheng Pan, Shiye Lei, Yuqian Fu, Jiahao Li, Yanxing Liu, Yuze Sun, Xiao He, Long Peng, Xiaomeng Huang, Bo Zhao
개요
EarthSynth는 원격 감지 이미지 해석의 과제인 라벨링된 데이터 부족 문제를 해결하기 위해 제안된 확산 기반 생성 기초 모델입니다. 다양한 카테고리와 위성 데이터를 포함하는 지구 관측 데이터를 합성하여 원격 감지 이미지 해석 작업의 성능 향상을 목표로 합니다. EarthSynth-180K 데이터셋으로 학습되며, Counterfactual Composition 학습 전략과 R-Filter라는 규칙 기반 방법을 사용하여 데이터 다양성을 높이고 정보가 풍부한 합성 데이터를 필터링합니다. 개방형 환경에서의 장면 분류, 객체 탐지, 의미론적 분할 작업에서 EarthSynth의 성능을 평가하여 실용적인 해결책을 제시합니다. 다중 작업 생성을 원격 감지에 적용한 최초의 시도이기도 합니다.
시사점, 한계점
•
시사점:
◦
원격 감지 이미지 해석을 위한 라벨링 데이터 부족 문제 해결에 기여.
◦
다중 카테고리, 다중 위성 데이터를 포함하는 합성 데이터 생성을 통한 성능 향상.
◦
다중 작업 생성(scene classification, object detection, semantic segmentation) 지원.
◦
Counterfactual Composition 학습 전략과 R-Filter를 통한 데이터 품질 향상.
◦
개방형 환경에서의 실용적인 해결책 제시.
•
한계점:
◦
EarthSynth-180K 데이터셋에 대한 구체적인 설명 부족.
◦
Counterfactual Composition 학습 전략과 R-Filter의 세부적인 알고리즘 설명 부족.
