“구름에 가린 지상도 선명하게”…KAIST, 위성영상 복원·변환 AI 개발 작성일 10-20 58 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">- 위성영상 1000만 쌍 학습 ‘지오코어-9B’, 구름 제거·레이더영상 사진 변환 <br>- 촬영 위치·실제 지형 크기까지 학습, 재난 감시·환경 변화 관측 활용 기대</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="Yx9JVSPKZi"> <figure class="figure_frm origin_fig" contents-hash="98cab6299a07659644a4454698bf8d0079053b599466b8837d33e8285d2d921f" dmcf-pid="GM2ifvQ9XJ" dmcf-ptype="figure"> <p class="link_figure"><img alt="김문철(왼쪽) KAIST 전기및전자공학부 교수와 도정혁 박사.[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/20/ned/20261020082642368eddn.jpg" data-org-width="1000" dmcf-mid="y3FvEKsAGL" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/20/ned/20261020082642368eddn.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 김문철(왼쪽) KAIST 전기및전자공학부 교수와 도정혁 박사.[KAIST 제공] </figcaption> </figure> <p contents-hash="c572522c68c0390c58a29feb28666ac3d432e3f46120b6e5c8b55335b8f3f053" dmcf-pid="HRVn4Tx2Zd" dmcf-ptype="general">[헤럴드경제=구본혁 기자] 구름에 가려 보이지 않는 지상을 복원하고, 해석이 어려운 레이더 위성영상을 실제 사진처럼 바꿔주는 인공지능(AI) 기술이 개발됐다.</p> <p contents-hash="23b1b409ab35397141e518d9ef184a270925f3a3c534998599b90321346af919" dmcf-pid="XefL8yMVGe" dmcf-ptype="general">KAIST는 전기및전자공학부 김문철 교수 연구팀이 위성영상의 생성과 복원, 변환을 하나의 AI로 수행할 수 있는 ‘지오코어-9B(GeoCore-9B)’를 개발했다고 밝혔다.</p> <p contents-hash="7f2ff85c19223874caa2dbad18d54811ec4264a2584e7fea94732dd4e51bfd4e" dmcf-pid="ZwgIN7EoXR" dmcf-ptype="general">연구팀은 약 90억개의 매개변수를 갖춘 위성영상 특화 AI 모델을 개발했다. 기존 일반 사진 생성 AI를 수정하는 대신 위성영상 데이터를 활용해 처음부터 학습시킨 것이 특징이다.</p> <p contents-hash="1c38a36066f3f24a6a842a211d1213ee8c07e70d0c7aa9f01d117d918ca85db1" dmcf-pid="5raCjzDgYM" dmcf-ptype="general">학습에는 전 세계 위성영상과 영상 내용을 설명하는 문장 1000만 쌍이 활용됐다. 항구와 선박, 도로와 농경지, 도시와 산림 등 다양한 지형과 시설의 특징을 AI가 스스로 익히도록 했다.</p> <p contents-hash="f0f2ea6c7beee60967691d185fa3e170d5cc0b0ff49cb15298d87b582b5a7d4c" dmcf-pid="1mNhAqwa1x" dmcf-ptype="general">특히 영상 속 사물의 형태뿐 아니라 촬영 위치와 실제 공간 크기까지 학습하도록 설계했다. 위도·경도와 지상표본거리(GSD)를 함께 반영해 영상 속 건물과 도로, 산업시설의 실제 규모를 파악할 수 있도록 했다.</p> <p contents-hash="05b85baedb19e2b4facd9f21138cd5499e33e6dbd0709669c585a7c31e5944fd" dmcf-pid="tsjlcBrN5Q" dmcf-ptype="general">여기에 도로의 연결 구조와 농경지 경계 등 지형의 공간적 특성을 정밀하게 학습하는 ‘지리공간 의미 정렬’ 기술도 적용했다.</p> <p contents-hash="2eb66fd0591b6a821a3da7c8b43b69e900efc6ca3a57b3509ec074fbfa9deca6" dmcf-pid="FOASkbmjZP" dmcf-ptype="general">연구팀은 개발한 AI를 구름 제거와 SAR 영상의 광학영상 변환에 적용해 성능을 검증했다.</p> <p contents-hash="0e41847d2c294373fee23f1d402cf88a4d14e9eda4109d87e031f954d08881f6" dmcf-pid="3IcvEKsAY6" dmcf-ptype="general">공개 위성자료를 활용한 실험 결과, 구름에 가려진 영상 복원에서는 밝기와 색상, 구조적 유사성을 평가하는 주요 지표에서 기존 전문 AI 모델보다 우수한 성능을 나타냈다. 레이더 영상을 일반 광학영상으로 변환하는 실험에서도 영상 품질과 세부 구조를 평가하는 일부 지표에서 최고 성능을 기록했다.</p> <figure class="figure_frm origin_fig" contents-hash="6d7c36beca10df70a7ddb656c500876ee98665b44a4489f69e4463651fa14059" dmcf-pid="0CkTD9OcH8" dmcf-ptype="figure"> <p class="link_figure"><img alt="이번 연구성과 모식도(AI 생성 이미지).[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/20/ned/20261020082642657rwlv.jpg" data-org-width="1280" dmcf-mid="WtkTD9OcZn" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/20/ned/20261020082642657rwlv.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 이번 연구성과 모식도(AI 생성 이미지).[KAIST 제공] </figcaption> </figure> <p contents-hash="9d909c7e1e586ee5305d5557a5cceb3c3824184499d91c9b6bd3147d1248bc17" dmcf-pid="phEyw2Ikt4" dmcf-ptype="general">특히 하나의 AI 모델을 기반으로 여러 영상 처리 작업을 수행할 수 있다는 점에서 의미가 크다. 기존에는 구름 제거와 영상 변환 등 작업별로 별도의 AI를 개발해야 했지만, 이번 기술은 핵심 모델을 유지하면서 일부만 추가 학습하는 방식으로 개발 부담을 줄였다.</p> <p contents-hash="637753b126ce321809a915d5bf653f693d7a91fc35e90c8765403ee95d74f4e6" dmcf-pid="UlDWrVCEZf" dmcf-ptype="general">향후 구름 때문에 관측이 어려운 지역의 영상 분석과 레이더 자료의 시각화에 활용될 것으로 기대된다. 산불과 홍수, 산사태 등 재난 감시는 물론 산림 훼손과 도시 확장 등 환경 변화 관측에도 적용 가능하다. 다만 실제 재난 대응과 국토 감시 현장에서의 효과는 추가 검증이 필요하다.</p> <p contents-hash="07743254852ab677d733582f81f806f46c9a1f55dd7cc3bb8b2adb3087e3a71d" dmcf-pid="uSwYmfhDtV" dmcf-ptype="general">연구팀은 향후 다양한 위성 센서와 지역으로 검증 범위를 확대하고, 국방 분야 감시·정찰과 전장 상황 분석 등으로 응용 연구를 확장할 계획이다.</p> <p contents-hash="1c66a548f0358e51098d705d71e7502b76a12b3bced78d614e1ea9c4e5e76569" dmcf-pid="71TpWJZvZ2" dmcf-ptype="general">김문철 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 위성자료의 쓰임을 넓혀 재난 상황 파악과 산림·도시 변화 관찰에 도움이 될 것으로 기대한다”고 말했다.</p> <p contents-hash="1969b0545a1dd4dbb038031610e926f1b4095e096cb0622e185caf62037a4878" dmcf-pid="ztyUYi5TH9" dmcf-ptype="general">이번 연구결과는 세계적 AI 학술대회 ‘뉴립스(NeurIPS) 2026’에 채택됐다.</p> </section> </div> <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 미국 어린이들 좋겠네…19만원치 스페이스X 주식 공짜로 뿌린다 10-20 다음 [현장] “기술이 남긴 문제도 기술로 해결해야”…이용관 블루포인트 대표가 제시한 '기술낙관주의' 10-20 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
