본 논문은 고차원 분광 데이터의 온보드 처리를 위한 빠르고 정확한 머신러닝 아키텍처를 제안합니다. 기존의 방법들은 높은 오탐율을 가지거나 계산 요구량이 과도한 반면, 제안된 아키텍처는 수작업 전처리나 스펙트럼 대역 압축 없이 고차원 스펙트럼 데이터에 대한 엔드-투-엔드 학습을 지원합니다. 메탄 탐지 및 광물 식별 두 가지 과제에 대한 평가 결과, 기존 최첨단 모델 대비 메탄 탐지 F1 점수를 합성 데이터셋에서 27%, 기존 대규모 벤치마크 데이터셋에서 13% 향상시켰습니다. 또한, 합성 데이터셋으로 사전 훈련된 모델을 실제 데이터셋으로 미세 조정했을 때 F1 점수가 6.9% 향상되는 것을 확인했습니다. 광물 식별 데이터셋에서는 기존 모델 대비 F1 점수를 3.5% 향상시켰으며, 추론 속도 또한 85% 향상되었습니다. EMIT 센서의 한 장의 이미지를 ION-SCV 004 위성의 현실적인 프록시에서 30초 이내에 처리할 수 있습니다.
