Sensor Applications — AESA-SAR와 Physics-Guided Diffusion

AESA 하드웨어와 SAR 영상형성, 생성모델을 한 문장으로 묶는 대신 RF sensing, DBF, conventional reconstruction, conditional diffusion, evaluation으로 계층화했습니다. 이 페이지의 성과는 구현 결과가 아니라 검증 가능한 연구 설계입니다.

• RDA/CSA/BPA 중 하나를 먼저 baseline으로 고정한 뒤 학습 모델과 비교하도록 했습니다.
• 관측 열화·undersampling 조건과 train/validation/test 분리를 사전에 문서화합니다.
• 영상 품질 지표와 physics-consistency 지표를 함께 사용하도록 제안했습니다.
• conditioning과 loss term의 ablation, noise·model mismatch robustness를 검증 순서에 포함했습니다.