다양한 플랫폼에서 원격탐사(RS) 데이터의 가용성이 확대됨에 따라, 다중모달 RS 기법은 대규모 의미론적 분할을 위한 변혁적 해결책으로 부상하고 있다. 이에 대응하여 본 연구에서는 MMSeg-YREB라는 특화 프레임워크를 개발하였으며, Sentinel-1/2 소스에서의 다중분광(multispectral) 및 합성개구레이더(synthetic aperture radar, SAR) 데이터와 같은 상호보완적 RS 양식을 통합하여 양쯔강 경제벨트(Yangtze River Economic Belt, YREB) 내 도시 및 지역 경관 전반에서 토지 이용 및 토지 피복(LULC) 매핑의 정확도와 견고성을 향상시키고자 하였다. 광범위한 지리적 커버리지와 이질적인 데이터 소스를 활용함으로써 MMSeg-YREB는 정밀한 도시 계획부터 종합적인 환경 모니터링에 이르기까지 다양한 응용 분야를 지원한다. 최신 인공지능(AI) 방법론을 활용하여, 본 프레임워크는 고도로 일반화 가능하고 확장성 있는 의미론적 분할 모델을 개발하는 것을 목표로 하며, 방법론적 발전을 촉진하고 다양한 지역에서 지구관측(EO) 기술의 도입을 가속하는 데 기여하고자 한다. 이러한 노력의 일환으로, 다중모달 의미론적 분할 과제, 즉 MMSeg-YREB는 제14회 초분광 이미지 및 신호처리 워크숍(Hyperspectral Image and Signal Processing: Evolution in Remote Sensing, WHISPERS) 2024와 연계하여 조직되었다. 추가 연구 및 혁신을 촉진하기 위해, 모든 데이터셋과 코드는 재현성(reproducibility)을 위해 다음 주소에서 공개될 예정이며, 이는 더 나아가 EO 및 RS 전반의 광범위한 커뮤니티에 기여할 것이다: https://github.com/danfenghong/Outcome-of-the-2024-IEEE-WHISPERS-MMSeg-YREB-Challenge.

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