KAIST, 구름 가린 위성사진 복원 AI 개발

레이더 영상도 일반 사진처럼 변환
위성영상 1000만 쌍 학습…재난 대응 기대

카이스트는 전기및전자공학부 김문철 교수 연구팀이 위성영상 생성·복원·변환에 활용할 수 있는 AI 모델 '지오코어-9B(GeoCore-9B)'를 개발했다고 20일 밝혔다. ⓒ카이스트

구름에 가린 지표면을 복원하고 레이더 위성영상을 일반 사진처럼 바꾸는 인공지능(AI)이 개발됐다.

카이스트(KAIST)는 전기및전자공학부 김문철 교수 연구팀이 위성영상 생성·복원·변환에 활용할 수 있는 AI 모델 '지오코어-9B(GeoCore-9B)'를 개발했다고 20일 밝혔다.

위성영상은 산림·도시 변화 관찰과 홍수·산불 등 재난 대응에 활용된다. 하지만 일반 사진처럼 지상을 촬영하는 광학위성은 구름이 짙거나 밤에는 관측이 어렵다. 전파를 이용하는 합성개구레이더(SAR)는 밤이나 구름이 낀 날에도 관측할 수 있지만 일반 사진과 모습이 달라 해석이 쉽지 않다.

연구팀이 개발한 AI는 두 가지 문제를 해결하는 데 활용된다. 구름에 가려진 사진은 학습한 지형 정보를 토대로 보이지 않는 부분을 추정해 복원한다. 레이더 영상은 전파로 관측한 지표면을 사람이 알아보기 쉬운 일반 사진 형태로 바꿔준다.

이를 위해 약 90억개의 매개변수를 갖춘 AI 모델을 구축했다. 기존 사진 생성 AI를 수정하는 대신 위성영상에 특화된 모델을 처음부터 학습시킨 것이 특징이다.

학습에는 전 세계 위성영상과 설명 문장 1000만 쌍을 활용했다. 항구에 배와 창고가 모여 있거나 농경지 사이로 도로가 이어지는 모습 등을 익혀 다양한 지형과 도시의 특징을 구분하도록 했다.

특히 촬영 위치와 실제 공간 규모까지 학습에 반영했다. 위도·경도와 영상의 한 픽셀이 실제 지상에서 차지하는 크기를 입력해 건물과 도로, 농경지 등의 구조를 정밀하게 파악하도록 설계한 것이다.

하나의 AI를 구름 제거와 레이더 영상 변환에 각각 적용할 수 있다는 점도 특징이다. 모델 전체를 다시 학습하지 않고 일부 기능만 추가 학습하는 방식으로 개발 부담을 줄였다.

공개 위성자료를 활용한 성능 평가에서는 구름 제거와 관련된 주요 지표에서 기존 전문 모델보다 우수한 결과를 얻었다. 레이더 영상을 일반 사진으로 변환하는 실험에서도 일부 품질 평가 지표에서 가장 높은 성능을 기록했다.

이번 기술은 날씨나 촬영 방식 때문에 활용하기 어려웠던 위성자료의 활용도를 높일 것으로 기대된다. 연구팀은 홍수·산불·건물 파손 등 지형 변화 관측과 국방 분야로 연구 범위를 확대할 계획이다.

이번 연구는 카이스트 정보전자연구소 도정혁 박사가 제1저자, 김 교수가 교신저자로 참여했다. 연구 결과는 인공지능 분야 국제학술대회 '뉴립스(NeurIPS) 2026'에 채택됐다.

김 교수는 "위성영상의 촬영 위치와 실제 지형의 크기까지 학습해 하나의 AI를 여러 작업에 활용하도록 했다"며 "재난 상황 파악과 산림·도시 변화 관찰에 도움이 될 것으로 기대한다"고 말했다.