OSCAR: 광학 정보 기반 의미 제어를 통한 SAR-to-Optical 이미지 변환의 불확실성 완화

OSCAR: Optical-aware Semantic Control for Aleatoric Refinement in Sar-to-Optical Translation

합성 개구면 레이더(SAR)는 강력한 전천후 영상 기능을 제공하지만, SAR 관측 데이터를 사실적인 광학 이미지로 변환하는 것은 근본적으로 해결하기 어려운 문제입니다. 기존 접근 방식은 종종 SAR 데이터의 고유한 스페클 노이즈 및 기하학적 왜곡으로 인해 발생하는 의미 해석 오류, 모호한 텍스처 합성, 구조적 환각 등의 문제에 직면합니다. 이러한 한계를 극복하기 위해, 본 논문에서는 세 가지 핵심 기술적 기여를 통합한 새로운 SAR-to-Optical (S2O) 변환 프레임워크를 제안합니다. (i) 광학 정보를 고려한 SAR 인코더를 구축하여 광학 데이터에서 얻은 강력한 의미 정보를 SAR 데이터에 전달하는 '크로스 모달 의미 정렬'; (ii) 클래스 정보를 포함하는 텍스트 프롬프트를 사용하여 전역적인 맥락을 제공하고, 계층적인 시각적 프롬프트를 사용하여 지역적인 공간 정보를 제공하는 '의미 기반 제어 네트워크(ControlNet)'; (iii) 스페클로 인한 모호성으로 발생하는 왜곡을 효과적으로 완화하기 위해 불확실성을 명시적으로 모델링하여 재구성의 초점을 동적으로 조절하는 '불확실성 기반 목적 함수'. 광범위한 실험 결과는 제안된 방법이 최첨단 접근 방식에 비해 우수한 시각적 품질과 의미 일관성을 달성함을 보여줍니다.

Synthetic Aperture Radar (SAR) provides robust all-weather imaging capabilities; however, translating SAR observations into photo-realistic optical images remains a fundamentally ill-posed problem. Current approaches are often hindered by the inherent speckle noise and geometric distortions of SAR data, which frequently result in semantic misinterpretation, ambiguous texture synthesis, and structural hallucinations. To address these limitations, a novel SAR-to-Optical (S2O) translation framework is proposed, integrating three core technical contributions: (i) Cross-Modal Semantic Alignment, which establishes an Optical-Aware SAR Encoder by distilling robust semantic priors from an Optical Teacher into a SAR Student (ii) Semantically-Grounded Generative Guidance, realized by a Semantically-Grounded ControlNet that integrates class-aware text prompts for global context with hierarchical visual prompts for local spatial guidance; and (iii) an Uncertainty-Aware Objective, which explicitly models aleatoric uncertainty to dynamically modulate the reconstruction focus, effectively mitigating artifacts caused by speckle-induced ambiguity. Extensive experiments demonstrate that the proposed method achieves superior perceptual quality and semantic consistency compared to state-of-the-art approaches.