본 논문에서는 챈드라얀-2 지형 매핑 카메라(TMC) 데이터를 주로 사용하고 SELENE(Kaguya) 임무의 보조 이미지를 활용하여 여러 임무의 달 모자이크를 제작할 때 방사선 측정 불일치를 해결하기 위한 심층 학습 기반 프레임워크를 제시했어요.
제안하는 방법은 조건부 생성적 적대 신경망(cGAN)을 사용하여 기존 모자이크 달 이미지를 광도법적으로 일관된 참조 이미지로 매핑하는 비선형 방사선 매핑을 학습하며, 이미지 타일 경계를 보존하면서 대규모 모자이크를 처리할 수 있도록 패치 기반 학습 전략을 채택했어요.
구조적 유사성 지수(SSIM), 최대 신호 대 잡음비(PSNR), 제곱근 평균 제곱 오차(RMSE)를 사용한 정량적 평가 결과, 기존 히스토그램 기반 정규화 기술보다 개선된 성능을 보여주며, 다양한 출처의 달 데이터 세트에서 향상된 색조 균일성, 감소된 이음새 아티팩트, 개선된 구조적 일관성을 달성했어요.