[이 기사에 나온 스타트업에 대한 보다 다양한 기업정보는 유니콘팩토리 빅데이터 플랫폼 '데이터랩'에서 볼 수 있습니다.]
카이스트(KAIST) 연구진이 구름에 가려진 위성영상을 복원하고, 해석이 까다로운 레이더 영상을 일반 사진처럼 바꿔주는 인공지능(AI)을 개발했다. 재난 대응과 환경 감시에서 위성자료의 활용 폭을 넓힐 것으로 기대된다.
KAIST는 전기및전자공학부 김문철 교수 연구팀이 위성영상의 생성·복원·변환에 두루 쓸 수 있는 AI '지오코어-9B(GeoCore-9B)'를 개발했다고 20일 밝혔다. 약 90억개 매개변수를 갖춘 이 모델은 방대한 위성자료를 미리 학습한 뒤 여러 작업에 맞춰 활용하는 '파운데이션 모델'이다.
위성영상은 산림·도시 변화 관찰이나 홍수·산불 대응에 핵심 자료지만 한계가 뚜렷하다. 광학영상은 구름이 짙거나 밤이면 지상을 볼 수 없다. 전파를 쏴 되돌아오는 신호로 관측하는 합성개구레이더(SAR)는 날씨와 시간에 구애받지 않지만, 영상의 밝기와 패턴이 일반 사진과 달라 해석이 어렵다.
연구팀은 일반 사진 생성 모델을 고쳐 쓰는 대신, 영상 생성 핵심 모델을 지구관측 데이터로 처음부터 학습시켰다. 전 세계 위성영상과 그 내용을 설명한 문장 1000만쌍을 활용했다. 항구 사진에는 '배와 창고가 모여 있다', 농촌 사진에는 '논밭 사이로 도로가 이어진다'는 식의 설명을 붙인 일종의 '설명이 달린 지구 사진첩'이다.
특히 영상에 무엇이 있는지뿐 아니라 지구상 어디를, 얼마나 넓게 보고 있는지도 함께 익히도록 했다. 위성영상에선 비슷한 모양이라도 실제 크기에 따라 작은 건물일 수도, 대규모 산업시설일 수도 있어서다. 이를 위해 위도·경도와 한 픽셀이 실제 지상에서 차지하는 크기를 뜻하는 지상표본거리(GSD)를 학습에 반영했다. 도로 연결이나 농경지 경계 같은 구조를 더 잘 표현하도록 위성영상 전문 AI의 판단을 참고하는 '지리공간 의미 정렬' 기법도 적용했다.
이후 핵심 모델은 그대로 두고 작은 추가 부분만 학습하는 '로라(LoRA)' 방식으로 구름 제거와 레이더 영상 변환 기능을 각각 덧붙였다. 작업마다 대형 AI를 처음부터 다시 학습해야 하는 부담을 덜기 위해서다.
공개 위성자료로 성능을 검증한 결과, 지오코어-9B는 구름 가린 영상 복원 실험의 주요 지표에서 기존 전문 모델을 앞섰다. 레이더 영상을 광학영상으로 바꾸는 실험에서도 일부 지표에서 가장 좋은 결과를 냈다.
독자들의 PICK
지금 1,314명 읽는 중
연구팀은 향후 다양한 센서와 지역으로 검증을 넓히고 홍수·건물 파손·산불·도시 확장 등 지형 변화 예측, 감시·정찰용 국방 분야 응용 연구로 확대할 계획이다. 김문철 교수는 "촬영 위치와 실제 지형 크기까지 학습해 하나의 AI를 여러 작업에 활용하도록 했다"며 "날씨나 촬영 방식 때문에 쓰기 어려웠던 위성자료의 활용도를 높여 재난 상황 파악과 산림·도시 변화 관찰에 도움이 될 것"이라고 말했다.
