단순 교차 시점 융합이 목초 바이오매스 회귀에서 복잡 모델을 능가한다

본 연구는 목초 바이오매스 추정이라는 실용적이면서도 데이터가 희소한 농업 비전 문제에 초점을 맞추었다. 기존의 대규모 사전학습 비전 모델이 농업 분야에 도입되면서, 제한된 라벨 데이터에서 어느 정도의 추가 복잡성을 도입해야 하는지에 대한 명확한 지침이 부족했다. 이를 해소하고자 저자들은 CSIRO Pasture Biomass 데이터셋을 실험 플랫폼으로 선택하였다. 이 데이터셋은 19개 현장에서 357개의 듀얼 뷰 사진을 제공하며, 각 사진은 녹색, 건조, 클로버 등 다섯 개의 바이오매스 목표값에 대한 실험실 검증된 정량 데이터를 포함한다. 목표값은 오른쪽 꼬리가 심한 분포를 보여 로그(1+y) 변환을 적용했으며, 가중 R²(가중치 0.1,0.1,0.1,0.2,0.5)로 평가하였다. 연구는 세 가지 축으로 실험을 설계하였다. 첫 번째는 교차 시점 융합 복잡도이며, Identity(융합 없음), GatedDepthwiseConv(두 층), Cross‑View Gated Attention(CVGA), Bidirectional Mamba SSM, Full Mamba SSM을 포함한다. 두 번째는 백본 규모로, EfficientNet‑B3, DINOv2‑ViT‑L, DINOv3‑ViT‑L 등 네 가지를 사용하였다. 세 번째는 메타데이터 활용 여부로, 메타데이터를 이미지 특징에 결합하거나 전용 모델로만 학습하는 경우를 비교하였다. 모든 실험은 동일한 5‑fold 그룹 교차 검증 프로토콜을 따랐으며, 각 모델은 AdamW 옵티마이저와 차등 학습률(백본 1e‑5, 헤드 5e‑4), 코사인 스케줄링, 5 epoch 워밍업, Huber 손실(β=5)로 학습되었다. 데이터 증강은 플립, 회전, 색상 변형 등을 적용했으며, 혼합 정밀도와 그래디언트 체크포인팅을 통해 8 GB GPU 메모리 한계 내에서 훈련하였다. 주요 결과는 다음과 같다. (1) GatedDepthwiseConv 두 층 모델이 R² 0.903±0.064로 가장 높은 성능을 기록했으며, 이는 전체 모델 중 5점 이상 우위에 해당한다. (2) 백본 규모가 성능에 가장 큰 영향을 미쳐, EfficientNet‑B3(0.555)→DINOv2‑ViT‑L(0.853)→DINOv3‑ViT‑L(0.903) 순으로 거의 선형적인 향상이 관찰되었다. 특히 DINOv2→DINOv3 업그레이드만으로도 R²가 5점 상승했다. (3) 전역 어텐션 기반 CVGA는 0.833, 양방향 Mamba는 0.819, Full Mamba는 0.793으로, No‑Fusion(0.814)보다도 낮은 성능을 보였다. 이는 복잡한 전역 모델이 데이터가 적은 상황에서 과적합 및 학습 불안정을 야기한다는 증거이다. (4) 메타데이터만 사용했을 때 모든 융합 방식이 R²≈0.829에 수렴했으며, 이는 메타데이터가 모델에 편향을 주어 이미지 기반 정보를 억제한다는 것을 의미한다. 메타데이터 드롭아웃(p=0.2)만으로는 이 효과를 충분히 완화시키지 못했다. 또한 저자들은 이미지 기반 색인과 메타데이터 간의 피어슨 상관관계를 분석해, NDVI와 높이 등이 바이오매스와 중간 정도의 상관을 보이지만, 잡음이 많아 단독 사용 시 한계가 있음을 확인하였다. 이러한 분석을 통해 단순 로컬 융합이 복잡한 전역 융합보다 데이터 효율성이 높으며, 대규모 사전학습 백본이 핵심 성능 요인임을 강조한다. 결론적으로, 제한된 농업 데이터셋에서는 (1) 고성능 백본 선택을 최우선으로, (2) 로컬 게이트 깊이별 컨볼루션과 같은 경량 융합 모듈을 적용하고, (3) 학습 단계에서만 사용 가능한 메타데이터는 배제하거나 강력히 정규화해야 한다는 실용적인 가이드라인을 제시한다. 이 연구는 농업 비전 분야에서 소규모 데이터에 대한 모델 설계 전략을 명확히 제시함으로써, 향후 정밀 농업 및 목초 관리 시스템의 효율적 구현에 기여할 것으로 기대된다.