본 논문은 인공지능(AI) 기반 지구 관측(EO) 응용 분야에서 데이터 부족 문제를 해결하기 위해 확산 모델을 통합한 4단계 데이터 증강 기법을 제안합니다. 기존의 단순한 매개변수 기반 이미지 변환 방식의 데이터 증강 기법은 눈, 홍수, 도시화, 도로, 산불, 폭풍 등의 주요 의미적 차원에 충분한 다양성을 제공하지 못하는 한계를 가지고 있습니다. 본 논문에서 제안하는 방법은 메타 프롬프트를 이용한 지시 생성, 비전-언어 모델을 이용한 풍부한 캡션 생성, EO 특화 확산 모델 미세 조정, 그리고 반복적인 데이터 증강을 통해 의미적으로 다양한 EO 이미지를 생성하고 AI 모델 성능을 향상시킵니다. 4가지 증강 기법을 사용한 광범위한 실험을 통해 제안된 방법이 기존 방법보다 우수한 성능을 보임을 확인했습니다.
