본 논문은 원격 감지 이미지의 변화 감지(CD) 성능 향상을 위한 대규모 서브미터급 CD 데이터셋 JL1-CD와 새로운 MTKD(Multi-Teacher Knowledge Distillation) 프레임워크를 제안합니다. JL1-CD는 5,000개의 이미지 쌍으로 구성된 대규모 데이터셋이며, MTKD는 변화 영역 비율(CAR)에 따라 학습 데이터를 분할하는 O-P(Origin-Partition) 전략을 기반으로 여러 전문가 모델(teacher model)을 학습시키고, 이들의 지식을 단일 학생 모델(student model)에 증류하여 다양한 CAR 환경에서의 변화 감지 성능을 향상시킵니다. 제안된 방법은 2024 "Jilin-1" Cup challenge에서 우수한 성능을 보였으며, 다양한 네트워크 구조와 매개변수 크기에 대해 일관된 성능 향상을 보여주는 실험 결과를 제시합니다. 코드와 데이터셋은 공개되어 있습니다.
