# Mitigating Domain Drift in Multi Species Segmentation with DINOv2: A Cross-Domain Evaluation in Herbicide Research Trials

### 저자

Artzai Picon, Itziar Eguskiza, Daniel Mugica, Javier Romero, Carlos Javier Jimenez, Eric White, Gabriel Do-Lago-Junqueira, Christian Klukas, Ramon Navarra-Mestre

### 💡 개요

본 연구는 제초제 연구 시험에서 잡초 및 작물 종 식별과 손상 정도를 정확하게 분할하는 문제를 해결하기 위해 DINOv2와 같은 비전 기반 모델과 계층적 분류 추론을 결합한 새로운 분할 프레임워크를 제안합니다. 실제 환경의 시공간적, 지리적, 센서 변화에 따른 도메인 불일치(domain drift) 문제에도 불구하고, 제안된 프레임워크는 기존 방법론 대비 우수한 성능을 보이며 특히 도메인 이동이 심한 조건에서 높은 견고성을 입증했습니다.

### 🔑 시사점 및 한계

- **강력한 도메인 불일치 견고성:** DINOv2와 같은 비전 기반 모델을 활용하면 다양한 환경 변화 속에서도 안정적인 식물 종 및 손상 분할 성능을 유지할 수 있습니다.

- **계층적 분류 추론의 추가적인 이점:** 세밀한 종 수준 분류가 어려워지는 상황에서도 상위 분류군 수준에서 유의미한 예측을 가능하게 하여 전반적인 시스템의 견고성을 높입니다.

- **실제 농업 적용 가능성:** 제안된 시스템은 BASF의 제초제 연구 시험 현장에서 실제 운용되고 있으며, 이는 확장 가능하고 변화에 강한 농업 모니터링 시스템 구축에 있어 기반 모델과 구조화된 생물학적 계층 구조의 결합이 실용적임을 시사합니다.

- **오류 분석을 통한 한계점 파악:** 극심한 도메인 이동 시 발생하는 오류는 주로 식생과 토양의 혼동에서 기인하며, 이는 배경 및 시점 변화에도 불구하고 식물학적 구분이 유지됨을 시사하지만, 토양과 식생의 구별 능력을 더욱 향상시키는 연구가 필요함을 나타냅니다.

[PDF 보기](https://arxiv.org/pdf/2508.07514)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).
