연구진은 실제 위성 이미지의 자세 정보 획득 어려움을 해결하기 위해 부품 인식 스타일 변환 프레임워크를 개발했어요.
CAD 렌더링과 부품 마스크를 활용해 약하게 쌍을 이루는 실제-가상 샘플을 생성하고, 실제 이미지 스타일 코드를 합성 위성 이미지에 주입해요.
제안 방식은 FID 54.32, KID 0.048로 기존 방식보다 이미지 분포 차이를 줄이고, GDRNet 자세 추정기의 ADD pass rate를 0.260, AUC를 0.611로 향상시켰어요.