• 목록

ECCV는 CVPR, ICCV와 함께 컴퓨터비전 및 인공지능 분야를 대표하는 세계 최고 권위의 국제학술대회로, 매년 전 세계 연구자들이 최신 인공지능·컴퓨터비전 기술을 발표하는 최상위 학술대회이다. 이번 성과는 경북대학교 컴퓨터학부 연구팀이 원격탐사 영상 복원 및 위성 영상 품질 개선 분야에서 세계적 수준의 연구 경쟁력을 갖추고 있음을 보여주는 의미 있는 결과이다.

특히 이재협 교수는 2024년 경북대학교에 임용된 이후 CVPR, ICCV, ECCV 등 컴퓨터비전 분야 최상위 국제학술대회에 위성 영상 품질 개선 관련 연구 논문을 연이어 발표하는 성과를 거두었다. 해당 분야에서 탑티어 국제학술대회 논문 발표가 매우 제한적으로 이루어지는 점을 고려할 때, 이번 ECCV 2026 논문 게재는 이재협 교수 연구의 독창적인 연구 방향성과 지속적인 연구 성과를 보여주는 사례로 평가된다.

이번에 승인된 논문인 “Video Can Teach PAN-Sharpening: PSF-Aware Cross-Domain Supervision”은 고해상도 위성 영상을 복원하기 위한 새로운 PAN-sharpening 학습 방법을 제안한다. PAN-sharpening은 고해상도 흑백 위성 영상과 저해상도 다중분광 영상을 결합해, 공간적으로 선명하면서도 스펙트럼 정보를 보존하는 고해상도 다중분광 영상을 생성하는 핵심 영상 융합 기술이다. 그러나 실제 위성 영상에서는 고해상도 정답 다중분광 영상이 거의 존재하지 않아, 기존 방법들은 주로 인위적으로 생성한 학습 데이터에 의존해 왔다. 이로 인해 실제 위성 영상에 적용할 때 영상의 경계가 흐려지거나 이중 경계가 발생하고, 스펙트럼 왜곡이 생기는 한계가 있었다.

연구팀은 이러한 문제를 해결하기 위해 자연 비디오가 위성 영상 복원 모델의 공간적 학습 신호로 활용될 수 있다는 새로운 관점을 제시했다. 제안한 ViPS(Video can teach PAN-Sharpening) 프레임워크는 자연 비디오에서 얻은 연속 프레임을 활용해 풍부한 고주파 구조와 실제 위성 영상에서 발생하는 정렬 오차와 유사한 변화를 학습하도록 설계되었다. 동시에 실제 위성 PAN–MS 영상 쌍을 활용해 스펙트럼 정보가 유지되도록 학습함으로써, 공간적 선명도와 색상·분광 정보 보존을 함께 달성했다.

또한 본 연구는 위성 센서마다 다른 광학적 특성을 반영하기 위해 PSF(Point Spread Function) bank를 활용한 학습 방식을 도입했다. 이를 통해 자연 비디오와 실제 위성 영상 사이의 도메인 차이를 줄이고, 다양한 위성 센서 환경에서도 안정적으로 동작하는 물리 기반의 교차 도메인 학습 구조를 구현했다. 실험 결과, 제안 방법은 WorldView-3, GaoFen-2, QuickBird 등 여러 위성 센서 데이터셋에서 기존 최신 PAN-sharpening 방법들보다 우수한 정량적 성능과 시각적 복원 품질을 보였으며, 빠른 추론 속도도 함께 유지하는 것으로 확인되었다.

이번 연구는 위성 영상 복원, 원격탐사 영상 분석, 도시 모니터링, 환경 관측, 국방·재난 감시 등 다양한 분야에 활용될 수 있는 핵심 기반 기술을 제시했다는 점에서 의미가 크다. 특히 인공지능 기반 위성 영상 품질 개선 연구에서 자연 비디오를 새로운 학습 자원으로 활용할 수 있음을 보였다는 점에서, 향후 원격탐사 영상 복원 및 다중모달 영상 융합 연구의 새로운 방향을 제시한 성과라 할 수 있다.

본 논문은 ECCV 2026에서 발표될 예정이며, 학회는 스웨덴에서 개최된다. 이번 성과를 통해 경북대학교 컴퓨터학부 이재협 교수는 CVPR, ICCV, ECCV로 이어지는 컴퓨터비전 최상위 국제학술대회에서 위성 영상 품질 개선 연구를 연속적으로 발표하며, 인공지능 기반 원격탐사 영상 복원 분야의 선도적 연구 역량을 입증했다.