Meta AI가 세계자원연구소(World Resources Institute)와 공동으로 개발한 고해상도 글로벌 산림 모니터링 시스템의 대대적인 업그레이드 버전인 Canopy Height Maps v2(CHMv2)를 공개했다. 기존 백본을 자가 지도 학습 기반의 비전 모델인 DINOv3로 교체함으로써 디테일 측면에서 획기적인 발전을 이루어낸 것이 특징이다. 이에 따라 연구자들은 지구 전체의 산림 상태를 개별 나무의 수관과 틈새, 경계선까지 명확히 구분할 수 있을 만큼 선명한 시야를 확보하게 되었다.

기술적 진보는 모델의 예측값과 실제 데이터의 일치도를 나타내는 통계적 척도인 R² 값이 0.53에서 0.86으로 대폭 상승한 점에서 극명하게 드러난다. 이러한 성과는 4억 9,300만 개의 위성 이미지로 구성된 거대 데이터셋인 SAT-493M을 통해 DINOv3를 학습시켰기에 가능했다. 특히 이 모델은 수백만 개의 수동 레이블링 데이터 없이도 그림자와 질감 같은 시각적 특징을 스스로 파악하는 자가 지도 학습 방식을 취한다. 그 결과 시스템의 확장성과 신뢰도가 한층 높아졌으며, 탄소 저장량 및 산림 건강 상태를 추적하는 데 최적의 도구로 자리 잡았다.

실제 활용 사례 또한 광범위하게 확산되고 있다. 미국의 도시 열섬 현상 완화 작업부터 2030년까지 30억 그루의 나무를 심으려는 유럽연합(EU)의 이니셔티브 지원에 이르기까지 그 쓰임새가 다양하다. 실제로 영국 산림조사국(Forest Research)은 이 지도를 활용해 국가 산림 인벤토리를 더욱 효율적으로 관리하고 있다. Meta AI는 관련 모델과 지도를 오픈소스로 제공하여 각국 정부와 환경 보호론자들이 데이터에 기반한 토지 관리 결정을 내리고 기후 변화에 적극적으로 대응할 수 있도록 지원할 방침이다.

Meta AI가 세계자원연구소(World Resources Institute)와 공동으로 개발한 고해상도 글로벌 산림 모니터링 시스템의 대대적인 업그레이드 버전인 Canopy Height Maps v2(CHMv2)를 공개했다. 기존 백본을 자가 지도 학습 기반의 비전 모델인 DINOv3로 교체함으로써 디테일 측면에서 획기적인 발전을 이루어낸 것이 특징이다. 이에 따라 연구자들은 지구 전체의 산림 상태를 개별 나무의 수관과 틈새, 경계선까지 명확히 구분할 수 있을 만큼 선명한 시야를 확보하게 되었다.

기술적 진보는 모델의 예측값과 실제 데이터의 일치도를 나타내는 통계적 척도인 R² 값이 0.53에서 0.86으로 대폭 상승한 점에서 극명하게 드러난다. 이러한 성과는 4억 9,300만 개의 위성 이미지로 구성된 거대 데이터셋인 SAT-493M을 통해 DINOv3를 학습시켰기에 가능했다. 특히 이 모델은 수백만 개의 수동 레이블링 데이터 없이도 그림자와 질감 같은 시각적 특징을 스스로 파악하는 자가 지도 학습 방식을 취한다. 그 결과 시스템의 확장성과 신뢰도가 한층 높아졌으며, 탄소 저장량 및 산림 건강 상태를 추적하는 데 최적의 도구로 자리 잡았다.

실제 활용 사례 또한 광범위하게 확산되고 있다. 미국의 도시 열섬 현상 완화 작업부터 2030년까지 30억 그루의 나무를 심으려는 유럽연합(EU)의 이니셔티브 지원에 이르기까지 그 쓰임새가 다양하다. 실제로 영국 산림조사국(Forest Research)은 이 지도를 활용해 국가 산림 인벤토리를 더욱 효율적으로 관리하고 있다. Meta AI는 관련 모델과 지도를 오픈소스로 제공하여 각국 정부와 환경 보호론자들이 데이터에 기반한 토지 관리 결정을 내리고 기후 변화에 적극적으로 대응할 수 있도록 지원할 방침이다.