연구진은 식량·물 자원 연계 최적화를 위해 휴경지 감지를 위해 Prithvi-EO를 활용했어요. 기존 CDL에서 휴경지는 낮은 정확도를 보이는 클래스였어요. Prithvi-EO는 강력한 전이 학습 능력을 보이지만, 단일 공간 규모의 특징을 생성하여 객체 감지 헤드에 적합하지 않아요.
연구진은 LoRA와 하이브리드 PEFT를 결합한 파라미터 효율적인 튜닝 방식을 평가했어요. Lite ViT-Adapter와 원 스테이지 헤드를 결합한 최적 설정은 mAP@50 0.9479를 달성했어요.
연구 결과는 경량화된 공간 우선 정보 융합과 선택적 백본 해제가 Prithvi-EO가 휴경지의 지역 패턴을 보다 효과적으로 포착하도록 돕는다는 것을 보여줘요. 단일 스트라이드 ViT 토큰에 의존하는 기존 방식보다 성능이 뛰어났어요.