연구진이 광학 및 SAR 이미지 간의 불일치 문제를 해결하기 위해 기하 기반 프레임워크 GeoMamba를 제안했어요. GeoMamba는 Geometric Feature Injection (GFI) 모듈을 통해 모달 간 특징 상호작용을 강화하고 구조적 선행 지식을 통합했어요.
Geometric Consistency Constraint (GCC) 모듈과 Deep Supervision (DS) 전략을 활용해 계층적 기하적 제약을 적용하여 객체 구조를 보존하고 기하학적으로 일관된 특징 학습을 촉진해요.
연구진은 11개 범주를 포함하는 새로운 데이터셋 FGOS-as를 구축하여 GeoMamba의 성능을 검증했고, 기존 방법보다 우수한 성능(mAP 63.3%, Rank-1 정확도 77.0%)을 달성했어요.