【토카티비-totocasinocomunity】 보증업체안전놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 먹튀피해사례공유

로그인

글쓰기

[IT뉴스]구름 껴서 생긴 위성 관측 공백, AI로 정밀 복원

온카뱅크관리자

2026-10-20 11:17:25

<div id="layerTranslateNotice" style="display:none;"></div> 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="ZGMFRGd8d5">
 <figure class="figure_frm origin_fig" contents-hash="9ac31ad5a9bc47e2c773b25e86591432de79118d1b4a2c0719e3e98d75236d95" dmcf-pid="5HR3eHJ6dZ" dmcf-ptype="figure">
 <img alt="왼쪽부터 김문철 KAIST 전기및전자공학부 교수, 도정혁 정보전자연구소 연구원. KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/20/dongascience/20261020111602577zuyz.jpg" data-org-width="680" dmcf-mid="Hwoqg3NdLt" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/20/dongascience/20261020111602577zuyz.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 왼쪽부터 김문철 KAIST 전기및전자공학부 교수, 도정혁 정보전자연구소 연구원. KAIST 제공
 </figcaption>
 </figure>
 다양한 지형과 도시의 모습을 학습해 구름에 가려진 지구관측 영상을 복원하고 레이더 영상을 일반 사진처럼 변환하는 데 활용할 수 있는 기초 인공지능(AI) 모델을 국내 연구진이 개발했다.
 KAIST는 김문철 전기및전자공학부 교수팀이 생성·복원·변환에 활용할 수 있는 AI 파운데이션 모델인 '지오코어-9B(GeoCore-9B)'를 개발했다고 20일 밝혔다. 연구결과는 AI 국제학술대회인 뉴립스(NeurIPS) 2026에 채택됐고 논문은 8월 3일(현지시간) 논문 사전공개 사이트 '아카이브(arXiv)'에 공개됐다.
 위성 영상은 산림이나 도시 변화를 관찰하고 홍수와 산불 등 재난에 대응하는 데 중요한 역할을 한다. 햇빛이 지표에 반사된 영상을 촬영하는 광학 방식은 구름이 짙거나 해가 없는 밤에 지상을 관측하기 어렵다.
 전파를 쏘고 되돌아오는 신호로 지상을 관측하는 합성개구레이더(SAR)는 밤이나 구름이 낀 날에도 지구 지표면의 영상 자료를 확보할 수 있지만 일반 사진과 영상 밝기나 패턴이 달라 해석이 어렵다.
 연구팀은 구름에 가린 광학 영상이나 레이더 영상을 처리할 공통적인 AI 모델을 구현하기 위해 영상 생성을 담당하는 핵심 모델을 지구관측 데이터로 처음부터 학습시켰다. 기존 사진 생성 모델을 수정해서 쓰는 대신 위성에서 내려다본 지형과 산림, 항구 및 도시의 모습을 바탕으로 새롭게 구축한 것이다.
 전세계 위성영상과 영상 설명 1000만 쌍이 활용됐다. 예를 들어 항구 사진에 배와 창고가 모여 있다는 설명을 붙이고 농촌 사진에는 논밭 사이로 도로가 이어진다는 설명을 붙이는 식이다. AI는 설명이 붙은 지구 사진첩을 학습하며 다양한 지형과 도시의 특징을 익혔다.
 이번 모델의 차별점은 영상이 지구상의 어디를 얼마나 넓게 보고 있는지도 함께 학습시켰다는 것이다. 위성 영상에서는 비슷한 모양이라도 실제 크기에 따라 작은 건물일 수도, 대규모 산업시설일 수도 있다. 촬영 위치와 공간 규모를 함께 반영하는 것이 중요하다는 뜻이다.
 연구팀은 위도·경도, 지상표본거리(GSD)를 학습에 위도·경도는 지구상의 위치를, 지상표본거리는 영상의 가장 작은 단위인 한 픽셀이 실제 지상에서 어느 정도 크기에 해당하는지 알려준다. AI는 이러한 정보를 바탕으로 위치와 공간 규모에 맞는 영상을 생성한다.
 위성영상 전문 AI가 파악한 특징을 생성 모델이 참고하도록 하는 '지리공간 의미 정렬' 기법도 활용됐다. 전문 AI는 도로의 연결이나 농경지의 경계처럼 영상 속 구조를 더 잘 익히도록 학습 기준을 제공하며 정렬 기법 자체가 영상 생성 단계의 계산량을 늘리지는 않는다는 설명이다.
 <figure class="figure_frm origin_fig" contents-hash="51b949111832db562f6a960ef9d88c541445ad892c73832fe99690e209ed971a" dmcf-pid="zuj9AukLil" dmcf-ptype="figure">
 <img alt="GeoCore-9B 파운데이션 모델 개념도. 전세계 위성영상에서 학습한 생성형 파운데이션 모델을 구름 제거, SAR-광학 영상 변환, 위성영상 생성 등에 활용하는 연구 방향을 표현했다. KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/20/dongascience/20261020111604069pzoi.jpg" data-org-width="647" dmcf-mid="X1dpJZnQJ1" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/20/dongascience/20261020111604069pzoi.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 GeoCore-9B 파운데이션 모델 개념도. 전세계 위성영상에서 학습한 생성형 파운데이션 모델을 구름 제거, SAR-광학 영상 변환, 위성영상 생성 등에 활용하는 연구 방향을 표현했다. KAIST 제공
 </figcaption>
 </figure>
 지오코어-9B는 파운데이션 모델로 여러 작업에 특화해 활용할 수 있다. 연구팀은 지오코어-9B를 구름 제거와 레이더 영상 변환에 각각 맞춰 추가로 학습시켰다. 핵심 모델은 유지하고 작은 추가 부분을 학습하는 '로라(LoRA)' 방식을 활용했다. 작업마다 대형 AI 전체를 처음부터 다시 학습하는 부담을 줄일 수 있다.
 공개 위성 데이터로 성능을 평가한 결과 지오코어-9B는 구름에 가려진 영상을 복원하는 실험에서 기준 영상과의 밝기·색상 및 구조적 유사성을 평가하는 주요 지표에서 기존 전문 모델보다 우수한 성능을 보였다.
 레이더 영상을 광학영상 형태로 바꾸는 실험에서도 생성 영상의 품질과 세부 구조를 평가하는 일부 지표에서 가장 좋은 결과를 기록했다.
 김 교수는 "위성영상의 촬영 위치와 실제 지형의 크기까지 학습해, 하나의 AI를 구름 제거와 영상 변환 등 여러 작업에 활용하도록 했다"며 "날씨나 촬영 방식 때문에 활용하기 어려웠던 위성 자료의 쓰임을 넓혀 재난 상황 파악과 산림·도시 변화 관찰에 도움이 될 것"이라고 기대했다.
 연구팀은 더 다양한 센서 방식과 지역에서 성능을 확인하고 홍수나 건물 파손, 산불, 도시확장 등의 지형 변화를 정확하게 예측하는 연구와 감시·정찰을 위한 국방 분야 응용 연구로도 적용 범위를 넓힐 계획이다.
 &lt;참고 자료&gt; - doi.org/10.48550/arXiv.2608.01896
 [이병구 기자 2bottle9@donga.com]
 </section> 
 </div> 
 Copyright © 동아사이언스. 무단전재 및 재배포 금지.

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기