가천대 DS@GT ARC가 PlantCLEF 2026 다종 식물 식별 과제에 제출한 해법은, 고해상도 식생 사각형 사진에서 모든 공존 종을 찾아내는 문제를 다룬다. 이 작업은 봇니스트가 지상에 놓은 0.5×0.5m 사각형의 상향 사진을 대상으로 하며, 학습은 개별 식물의 단일표지 이미지 약 140만 장에만 의존한다. 이 논문은 동료검토 전 arXiv 프리프린트다.
핵심 파이프라인은 DINOv2 ViT-L/14 분류기를 미세조정한 뒤, 한 장의 사각형 사진을 3×3, 4×4, 5×5, 6×6 타일로 나눠 예측을 모으는 방식이다. 각 타일의 결과는 FAISS 기반 kNN 검색기와 결합되고, 반복 방문이 있는 플롯에서는 출처를 고려한 시간적 융합으로 다시 다듬는다. 여기에 학습 데이터에서 얻은 지리·고도 priors를 주입하는 habitat-fit demotion과 남서유럽 지리 마스크가 더해진다.
이 조합의 내부 평가는 꽤 분명하다. 최종 제출본은 비공개 리더보드 macro-F1 0.43902로 3위를 기록했고, 공개 리더보드에서는 0.51096을 얻었다. 같은 파이프라인의 제출되지 않은 다른 구성은 비공개 세트에서 0.45를 넘겼다. 논문 본문에서는 기준선으로 3+4+5+6 타일 구성을 쓰는 비앙상블 버전의 private F1 0.45777, public F1 0.46914도 제시한다.
절대적 기여도는 ablation에서 드러난다. kNN 결합을 제거하면 private F1이 0.01256 떨어져 0.44521이 되고, habitat-fit demotion을 빼면 0.40446으로 내려간다. temporal fusion을 없애면 0.40079, 다중 규모 집계를 5타일 한 가지로 줄이면 0.38492, ViT-L을 ViT-B로 바꾸면 0.36472가 된다. 특히 지리 점수·고도 점수·생태 마스크를 함께 제거했을 때의 하락폭은 private F1 기준 −0.04075로 가장 컸다.
탐색은 성공과 실패를 함께 보여준다. LUCAS 데이터에서 noisy-student distillation을 얹은 cross-region transformer, 합성 pseudo-quadrat 위의 label-as-query decoder, SAM 3 기반 instance-aware crop 증강은 모두 성능을 끌어올리지 못했다. 다중 규모 타일링 스윕에서는 3+4+5+6 조합이 86타일로 구성되며 private F1 0.40079, public F1 0.39835를 기록했고, 단일 스케일 6은 0.39332였다.
| 구성 | 성과 | 근거 단서 |
|---|---|---|
| 최종 제출본 | private macro-F1 0.43902, public 0.51096, 3위 | p.2 | official private leaderboard |
| 기준선(3+4+5+6, no ensemble) | private F1 0.45777, public F1 0.46914 | p.11 | Results |
| Abl-2 habitat-fit demotion 제거 | private F1 0.40446, public F1 0.40650, Δ -0.04075 | p.12 | Abl-5 and Table 2 |
| Abl-4 multi-scale aggregation(3+4+5+6→5) | private F1 0.38492, public F1 0.36886, Δ -0.01587 | p.12 | Abl-5 and Table 2 |
자료: STORIUM 정리
공개·비공개 점수의 차이와 하이퍼파라미터 선택 방식도 범위 안에서 해석할 필요가 있다. kNN 혼합 가중치, temporal fusion 계수, admission floor, kNN 온도는 공개 리더보드 약 11% 구간의 점수에 맞춰 정했다. 따라서 이 결과는 전체 테스트를 직접 관측한 최종 성능이라기보다, 경쟁용 분할에서 검증된 추론 조합의 성적이라고 읽는 편이 정확하다.
저작권자 © STORIUM 무단전재 및 재배포 금지
