연구진은 광학 원격 감지에서 필수적인 구름 제거(CR) 기술의 해석 정확도를 높이는 GACR 프레임워크를 제안했어요. GACR은 관측 기반 잔차 흐름(OAR-Flow)과 지리적 맥락 우선 정렬(GCPA)을 결합하여 시각적 현실성과 분석 작업에 미치는 영향을 동시에 고려해요. 다양한 데이터셋과 작업에서 실험 결과, GACR은 기존 방식보다 우수한 재구성 품질과 하위 작업 정확도를 보여줬어요.
OAR-Flow는 생성 경로를 순수한 노이즈 대신 구름 관측값에 고정하여 빠르고 안정적인 재구성을 가능하게 하고, GCPA는 VFM에서 유도된 의미론적 공간 내에서 재구성을 제약하여 공간-의미론적 무결성을 유지해요. GACR은 시각적 현실성과 해석 정확도를 동시에 보장하는 균형 잡힌 접근 방식을 제공해요.
GACR의 코드와 모델은 GitHub에서 공개되어 연구의 재현성과 활용성을 높였어요.