본 논문은 기후 변화 등 인위적인 압력으로 급격히 감소하고 있는 산호초를 감시하기 위한 대규모 자동화된 모니터링 시스템 개발의 필요성을 강조하며, 이를 위해 공개된 대규모 산호초 이미지 데이터셋인 ReefNet을 소개한다. ReefNet은 76개의 CoralNet 소스와 홍해의 Al Wajh 사이트에서 수집된 이미지를 기반으로, 전문가 검증을 거친 약 925,000개의 속 수준 경산호 주석을 포함하며, 기존 데이터셋의 크기, 지리적 제한, 거친 라벨링 문제를 해결한다. ReefNet은 WoRMS에 매핑된 세분화된 분류 정보를 제공하며, 지역 평가를 위한 within-source 벤치마크와 도메인 일반화를 테스트하기 위한 cross-source 벤치마크를 제안한다. 지도 학습 및 zero-shot 분류 성능 분석 결과, 지도 학습은 within-source에서 유망하지만 도메인 간 성능 저하가 크고, zero-shot 모델은 희귀하거나 시각적으로 유사한 속에서 낮은 성능을 보였다. 본 연구는 도메인 일반화 및 세분화된 산호 분류 기술 발전을 위한 도전적인 벤치마크를 제공하며, 데이터셋, 벤치마킹 코드 및 사전 훈련된 모델을 공개하여 산호초 모니터링 및 보존에 기여할 예정이다.
