연구진이 위성 이미지 기반 빈곤 예측 모델 KidSat의 정확도를 높이기 위해 데이터 전처리, 이미지 품질 평가, 지리적 정보 통합을 개선했어요.
향상된 파이프라인은 DHS 재집계로 타겟 행렬을 개선하고, 구름이나 손상된 이미지를 필터링하는 품질 검사를 도입했어요.
DINOv2 시각적 임베딩과 구면 조화(SH) 위치 정보를 결합하여 MAE를 0.2167에서 0.1759로 18.83% 감소시켰어요.
33개 아프리카 국가로 확장했을 때, SH 위치 정보는 성능을 향상시키지만, SIREN과 같은 고용량 좌표 사용 시 목표 설정에 주의해야 해요.