‘구름에 가린 위성영상 복원’… KAIST, 지구관측 AI 개발 [쿠키과학]

위성영상·설명 1000만 쌍에 위치·실제 공간 반영
영상 생성하며 익힌 지형 지식, 복원·변환 활용

AI 생성 이미지. KAIST

구름에 가려진 지표 모습을 추정해 사진처럼 바꾸는 인공지능(AI)이 나왔다.

KAIST 전기및전자공학부 김문철 교수팀은 위성영상의 생성·복원·변환에 함께 활용하는 AI ‘지오코어-9B(GeoCore-9B)’를 개발했다고 20일 밝혔다.

위성영상은 산불과 홍수 피해를 살피고 산림·도시의 변화를 관찰하는 데 중요한 자료지만, 촬영 환경과 센서 특성에 따라 활용에 제약을 받는다.

지표에서 반사된 햇빛을 촬영하는 광학위성은 구름이 짙거나 밤이면 지상을 관측하기 어렵다.

전파를 보내 되돌아오는 신호를 분석하는 합성개구레이더(SAR)는 야간이나 구름이 낀 날에도 관측할 수 있지만, 영상의 밝기와 무늬가 일반 사진과 달라 내용을 해석하기 어렵다.

연구팀은 이런 자료를 처리하는 공통 기반을 마련하기 위해 세계 위성영상과 설명 문장 1000만 쌍으로 영상 생성의 핵심 모델을 AI에 학습시켰다.

핵심 모델은 학습 과정에서 약 90억 개 매개변수를 조정하며 지표의 특징을 읽는다.

방대한 자료에서 공통 지식을 익히고 여러 작업에 맞춰 활용하는 ‘파운데이션 모델’로, 위성영상을 생성하며 배운 지식을 복원과 변환에도 사용한다.

연구팀은 일반 사진 생성 모델의 핵심 학습값을 가져오는 대신 위성영상으로 생성 핵심 모델을 새로 학습했다.

영상의 내용을 설명하는 문장에 위도·경도와 지상표본거리(GSD)를 더해 촬영 위치와 실제 공간 규모도 반영했다.

GSD는 영상의 가장 작은 단위인 한 픽셀이 나타내는 지상의 크기로, GSD가 1m라면 한 픽셀은 가로·세로 약 1m 영역에 해당한다.

같은 픽셀 수라도 GSD가 커지면 더 넓은 지역을 담으므로, AI가 개별 건물부터 대규모 산업시설까지 공간 규모에 맞게 표현하도록 했다.

도로의 연결과 농경지 경계 등 조밀한 구조를 익히도록 지리공간 의미 정렬 기법도 적용했다.

이는 위성영상 전문 AI가 추출한 특징을 생성 모델이 학습 기준으로 참고하는 방식으로, 전문 AI는 학습 단계에서만 사용한다.

구름 낀 관측 영상의 복원 결과. KAIST

연구팀은 공통 모델을 학습한 뒤 구름 제거와 SAR 영상 변환에 맞춰 소규모 추가 매개변수를 학습했다.

핵심 모델을 대부분 유지하는 저랭크 적응(LoRA) 방식을 활용해 작업마다 대형 모델 전체를 다시 학습하는 부담을 줄였다.

공개 위성자료를 이용한 구름 제거 실험에서는 기준 영상과 밝기·색상, 구조가 얼마나 비슷한지 평가하는 주요 지표에서 기존 전문 모델보다 우수한 성능을 확인했다.

SAR 영상을 광학영상 형태로 바꾸는 실험에서도 생성 영상의 품질과 세부 구조를 평가하는 일부 지표에서 가장 좋은 결과를 기록했다.

지상표본거리에 따른 위성영상 변화. KAIST

김 교수는 “위성영상 생성 과정에서 익힌 지형과 공간 구조가 구름에 가린 영상을 복원하고 레이더 자료를 해석하는 데도 유용하다는 점을 확인했다”며 “공통 모델을 여러 작업에 활용하면 용도마다 AI를 따로 개발하는 부담을 줄일 수 있다”고 설명했다.

한편 이번 연구는 KAIST 정보전자연구소 도정혁 박사가 제1저자로 참여했고, 연구결과는 AI 분야 국제학술대회 ‘뉴립스(NeurIPS) 2026’에 채택됐다.
(논문명: GeoCore-9B: Towards Geo-Aware Generative Foundation Models in Earth Observation)

(왼쪽부터)전기및전자공학부 김문철 교수, 정보전자연구소 도정혁 박사. KAIST

이재형 기자 jh@kukinews.com