Delineate Anything v2: A Global Foundation Model for Field Delineation

Accurate agricultural field boundary delineation at large scale is a foundational task for food security, supply chain transparency, and carbon accounting. While vision foundation models like SAM show remarkable zero-shot capabilities, they frequently fail in geospatial domains due to topological complexity, cropland texturing patterns, and a lack of physical scale awareness. In this work, we introduce Delineate Anything v2, a globally scalable foundation model designed specifically for wide-area field boundary mapping. We construct FBIS-73M, a 73-million-instance multi-resolution dataset spanning 61 countries. To address the pervasive issue of multi-field administrative parcel merging, we introduce a resolution-specific data curation pipeline that leverages topological image-space adaptation to homogenize merged parcels and strengthen weak physical boundaries. Furthermore, we establish a novel, manually curated evaluation benchmark covering 100 countries to assess independent zero-shot generalization. Our results show that Delineate Anything v2 surpasses the current state-of-the-art, including the Delineate Anything framework, by 0.284 [email protected] (+103.3% relative gain), while maintaining execution speeds suitable for rapid national- and global-scale deployment, as demonstrated by nationwide mapping of Ukraine (603,000 km^2) in 5.4 hours on a consumer-grade workstation. Code, pre-trained weights, the FBIS-73M dataset, and ready-to-use national-scale vector boundary products are publicly available at https://github.com/Lavreniuk/Delineate-Anything.

한 줄 요약

Delineate Anything v2는 7300만 개의 다중 해상도 데이터셋 FBIS-73M을 기반으로 전 세계 61개국의 농지 경계를 정확히 추출하는 글로벌 펀다멘탈 모델이다.

핵심 기여도

**FBIS-73M**: 61개국을 아우르는 7300만 개의 농지 인스턴스를 포함한 다중 해상도 데이터셋 구축.
**해상도별 데이터 정제 파이프라인**: 고해상도 데이터는 수작업 분할, 중간 해상도 데이터는 이미지 공간 내 텍스처/색상 동질화를 통해 경계 정확도 향상.
**100개국 수작업 평가 벤치마크**: 다양한 농업 시스템에서의 제로샷 일반화 능력을 평가.
**성능 향상**: 기존 Delineate Anything 대비 [email protected] 0.284 (103.3% 상대 향상) 달성.

핵심 아이디어

Delineate Anything v2는 기존 시각 펀다멘탈 모델(SAM 등)이 지리공간 도메인에서 실패하는 주요 원인인 **다중 농지의 행정 경계 병합 문제**를 해결하기 위해 **데이터 중심 접근법**을 도입했다. 기존 연구는 모델 구조 복잡도를 높이는 방향으로 나아갔지만, 본 연구는 **FBIS-73M 데이터셋 내 라벨 노이즈를 데이터 수준에서 정제**함으로써 모델 성능을 극대화했다. 특히, **이미지 공간 내 텍스처와 스펙트럼의 비정상적 변이**를 기반으로 병합된 행정 경계를 식별하고, **중간 해상도 데이터에 대해 텍스처 동질화 및 경계 강화**를 수행함으로써 시각적 약한 경계를 보완하는 것이 핵심이다.

기술적 접근법

**FBIS-73M 데이터셋**: 61개국, 7300만 개의 농지 인스턴스를 포함한 다중 해상도 농지 경계 데이터.
**해상도별 정제 파이프라인**:
고해상도 (HR) 데이터: 수작업 분할을 통해 정확한 기하학적 정확도 확보.
중간 해상도 (MR) 데이터: 이미지 공간 내 텍스처 동질화와 시각적 약한 경계 강화를 수행.
**모델 실행 속도**: 소비자 등급 워크스테이션에서 우크라이나 전역 (603,000 km²) 매핑에 5.4시간 소요.

주요 결과

**[email protected]**: 기존 Delineate Anything 대비 0.284 개선 (103.3% 상대 향상).
**우크라이나 매핑**: 603,000 km² 지역을 5.4시간 내 완료.
**100개국 수작업 평가**: 다양한 농업 제도에서의 제로샷 일반화 성능 평가 가능.

의의 및 한계

Delineate Anything v2는 **농지 경계 추출의 정확도와 확장성**을 동시에 달성한 첫 번째 글로벌 펀다멘탈 모델로, **식량 안보, 탄소 회계, 공급망 투명성** 등 여러 분야에 기여할 수 있다. 특히, **데이터 품질 개선이 모델 성능 향상에 더 큰 영향을 미친다는 점**을 입증하며, 향후 지리공간 AI 연구의 방향성을 제시한다. 그러나 **FBIS-73M 데이터셋이 61개국에만 제한**되어 있고, **남반구 국가나 저개발 지역의 농지 데이터는 여전히 부족**하다는 한계가 있다.

실용적 활용

Delineate Anything v2는 **국가 및 글로벌 농지 관리, 식량 안보 모니터링, 탄소 배출 추적, 환경 규정 준수 감시** 등에 즉각적으로 활용 가능하다. 특히, **소비자 등급 하드웨어에서도 대규모 매핑이 가능**하므로, **자원이 제한된 개발도상국에서도 실용적**이다.