본 논문은 원격 감지 영상 변화 탐지(CD) 분야에서 두 가지 주요 과제, 즉 0.5~0.75m 해상도의 포괄적인 오픈소스 CD 데이터셋 부족과 다양한 변화 영역을 가진 영상에서 일관되고 만족스러운 탐지 결과를 얻는 어려움을 해결하기 위해, 5,000쌍의 512x512 픽셀 이미지로 구성된 JL1-CD 데이터셋과 다중 교사 지식 증류(MTKD) 프레임워크를 제안한다. JL1-CD 데이터셋은 건물, 도로, 초목, 수역 등 다양한 인공 및 자연 변화를 포함하며, MTKD 프레임워크는 변화 영역 비율(CAR) 기반의 Origin-Partition(O-P) 전략을 활용하여 CAR 크기에 따라 별도로 모델을 학습시킨 후, 여러 교사 모델의 지식을 단일 학생 모델로 증류하여 다양한 CAR 시나리오에서 우수한 탐지 성능을 달성한다. 실험 결과, MTKD 프레임워크는 다양한 네트워크 구조와 매개변수 크기를 가진 CD 모델의 성능을 크게 향상시켜 최첨단 결과를 달성함을 보여준다. JL1-CD 데이터셋과 코드는 GitHub에서 공개된다.
