아마존 열대우림에서의 삼림 벌채는 역사상 최악 수준에 근접하고 있으며, 벌채된 지역의 정확한 추정은 추가적인 삼림 벌채를 방지하는 데 필수적이다. 본 서신에서는 Mask2Former에 기반한 산림 벌채 분할(segmentation) 접근법을 제안하며, 이는 다중 위성(multisatellite) 정보를 활용하고 최적화된 백본(backbone) 네트워크를 사용한다. 특히, 구름 덮임의 양에 따라 학습 단계에서 해당 광학 영상(optical imagery)을 사용할지 여부를 결정할 수 있도록 하고, 그로 인해 발생하는 데이터 희소성에 대응하기 위한 모델을 적용하였다. 이 모델은 특정 시점의 벌채 발생 정보를 동일한 시계열 상의 시점에서의 벌채 예측에 반영함으로써, 데이터 부족을 보완하면서도 높은 정확도로 벌채를 탐지한다. 실험에서 제안한 방법은 픽셀 정확도 91.1%와 F1 점수 88.8%로 우수한 성능을 달성하였다. 또한 이 방법은 공식 CVPR MultiEarth Workshop 2023 챌린지에서 벌채 지역에 대한 분할 성능이 최상으로 평가됨으로써 검증되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.