연구진이 원격탐사(Remote Sensing) 위성 이미지에서 구름에 가려진 지표 정보를 복원하는 AI 모델 ATT-CR(Adaptive Triangular Transformer for Cloud Removal)을 제안했다. 기존 트랜스포머 기반 방법들은 셀프어텐션(Self-Attention)이 이미지 내 장거리 의존성을 효과적으로 모델링하는 장점을 갖지만, 연산량이 픽셀 수의 제곱에 비례하는 높은 복잡도와 구름 픽셀을 정상 픽셀과 동일하게 처리하는 구조적 한계를 안고 있었다. ATT-CR은 이 두 가지 문제를 동시에 해결하기 위해 설계됐다.
ATT-CR의 핵심은 두 가지 구성 요소다. 먼저 삼각 어텐션(TAN, Triangular Attention)은 소프트맥스(Softmax) 어텐션을 하삼각·상삼각 행렬로 근사해 연산 복잡도를 선형, 즉 O(N)으로 낮춘다. 다음으로 특징 선택 게이팅 모듈(FSGM, Feature Selected Gating Module)은 TAN과 결합하여 구름 픽셀과 깨끗한 픽셀을 구분해 이후 레이어에 유효하지 않은 정보가 유입되는 것을 줄인다. 연구진은 구름 제거 벤치마크 실험을 통해 ATT-CR이 기존 방법 대비 우수한 성능을 달성했다고 밝혔다.
구름 제거는 농업 모니터링·재난 대응·도시계획 등 위성 영상을 활용하는 다양한 분야에서 필수적인 전처리 과정이다. 위성이 동일 지역을 재촬영하는 주기가 수일에서 수십 일이기 때문에 구름으로 가려진 영상을 복원하지 못하면 실시간성이 요구되는 의사결정에 활용하기 어렵다. ATT-CR처럼 연산 효율을 높이면서도 구름 픽셀 간섭을 억제하는 접근 방식은 고해상도·대면적 위성 영상 처리에서 더욱 중요해질 전망이다.
