Earticle

초록

한국어

악천후 환경은 자율주행 객체 탐지 성능을 크게 저하시키는 주요 요인 중 하나이며, 이를 보완하기 위한 실제 악천후 데이터 수집과 정밀 라벨링에는 많은 시간과 비용이 소요된다. 이에 따라 맑은 날씨의 참조 이미지를 다양한 악천후 조건으로 변환하는 생성 기반 데이터 증강 기법이 주목받고 있다. 본 연구에서는 ACDC 기반 참조 주행 이미지를 입력으로 사용하여 비, 눈, 안개, 야간 조건의 악천후 이미지를 생성하고, Stable Diffusion, SDXL Img2Img, InstructPix2Pix, FLUX 2 4B의 성능을 비교 분석 하였다. 실험은 동일한 입력 이미지와 동일한 프롬프트 조건에서 수행되었으며, 정량 평가는 PSNR, SSIM, CLIP image similarity, CLIP text similarity를 사용하고, 정성 평가는 모델별 생성 결과 비교를 통해 수행하였다. 실험 결과, SDXL Img2Img는 평균 PSNR 24.5289, SSIM 0.9723으로 가장 높은 구조 보존 성능을 보였으며, Stable Diffusion은 이와 유사한 안 정적 특성을 나타냈다. InstructPix2Pix는 보다 직접적인 속성 편집 경향을 보였고, FLUX 2 4B는 CLIP text similarity 31.8468로 가장 높은 프롬프트 반영 능력을 보였으나 구조 보존 성능은 가장 낮았다. 이러한 결과는 악천후 데이터 생성 모델 이 구조 보존과 프롬프트 반영 능력 사이에서 서로 다른 trade-off를 가진다는 점을 보여주며, ITS 환경에서 합성 데이터를 활 용할 때 목적에 따라 적절한 생성 모델을 선택할 필요가 있음을 시사한다.

목차

ABSTRACT
Ⅰ. 연구 개요
Ⅱ. 관련 연구
1. GAN
2. Diffusion
3. SUSTechGAN
4. FLUX
Ⅲ. 실험
1. 실험 데이터셋
2. 실험 구성
3. 실험 결과
Ⅳ. 결론
ACKNOWLEDGEMENTS
참고문헌

키워드

저자

• 홍택수 [ 인하대학교 전기컴퓨터공학과 ]
• 김소희 [ 인하대학교 전기컴퓨터공학과 ]
• 권장우 [ 인하대학교 컴퓨터공학과 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회 학술대회

• 간기

  반년간

• 수록기간

  2002~2026

• 십진분류

  KDC 326 DDC 338