본 논문에서는 드론(UAV)에 장착된 카메라를 이용하여 수집한 대규모, 장기간, 고해상도의 나무 변화(Tree Changes, TCs) 데이터셋인 UAVTC를 소개합니다. UAVTC는 생물학적 지식에 기반한 풍부한 주석과 통계를 포함하여 나무 모니터링을 위한 세밀한 관점을 제공합니다. 기존의 데이터셋이 저해상도 이미지와 높은 취득 비용으로 인해 나무의 지속적인 미세 변화를 포착하는 데 어려움을 겪는 문제를 해결하기 위해, 계층적 다양성을 가진 생리적 TCs를 효과적으로 모델링하고 환경적 영향을 고려하는 새로운 Hyperbolic Siamese Network (HSN)을 제안합니다. HSN은 복잡한 계층적 변화를 효과적으로 포착하고 미세한 TC 탐지를 위한 강력한 솔루션을 제공하며, cross-domain face anti-spoofing task에도 일반화가 잘 되는 것을 실험을 통해 보여줍니다.
