"구름에 가린 땅도 보인다"…KAIST, '위성영상 복원' AI 개발 작성일 10-20 59 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">보도기사</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="7nSVQGd8u9"> <p contents-hash="a5f55838c663069660b85d34d2bb36b1d8dc98e45909e02da6f81f51c3cb399f" dmcf-pid="zLvfxHJ6UK" dmcf-ptype="general">1천만 쌍 위성자료 학습한 '지오코어-9B' 개발…구름 제거·레이더 영상 변환 가능 <br>기존 전문 AI보다 우수한 복원 성능…재난 대응·환경 감시·국방 분야 활용 기대</p> <figure class="figure_frm origin_fig" contents-hash="81882e672fe6698e6f8327e32cb335df0c1f569b6db0549a57b3f60a80d221d5" dmcf-pid="quJW5a0H7b" dmcf-ptype="figure"> <p class="link_figure"><img alt="KAIST 개발 AI로 구름 낀 관측 영상를 복원한 결과물" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/20/551724-22lyJQR/20261020091347086fcon.jpg" data-org-width="647" dmcf-mid="pl7ND9Oc7f" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/20/551724-22lyJQR/20261020091347086fcon.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> KAIST 개발 AI로 구름 낀 관측 영상를 복원한 결과물 </figcaption> </figure> <p contents-hash="48710431a46b50f231cb8b896bd73558976b52ee7df81515aa1a0ef8eea41b79" dmcf-pid="B7iY1NpXUB" dmcf-ptype="general"><br>구름에 가려 보이지 않는 지표면을 복원하고, 일반 사진과 달라 알아보기 어려운 레이더 영상을 실제 사진처럼 변환하는 인공지능(AI)이 개발됐습니다.</p> <p contents-hash="1f8edb8bb7b5f46c1401a55a5d12797a08a654bf2c13640d682f00bf0a1f4a3a" dmcf-pid="bznGtjUZzq" dmcf-ptype="general">KAIST는 전기및전자공학부 김문철 교수 연구팀이 위성영상의 생성과 복원, 변환에 활용할 수 있는 AI 모델 '지오코어-9B(GeoCore-9B)'를 개발했다고 20일 밝혔습니다. 지오코어-9B는 약 90억 개의 매개변수를 가진 대규모 AI로, 방대한 위성자료를 사전 학습해 다양한 영상 처리 작업에 활용할 수 있는 '파운데이션 모델'입니다.</p> <p contents-hash="f14fe199dcf229bfbe9b39093b28792cd8187adf32c0e5a9c52f8f2df7e2dfc9" dmcf-pid="KqLHFAu5Uz" dmcf-ptype="general">◆ 구름에 가리고 밤에는 안 보이고…위성영상의 한계</p> <p contents-hash="66f36f94087a69ecb16d871ba8e416d9ebe9250b5ad3e3593116ee36aa597714" dmcf-pid="9BoX3c71p7" dmcf-ptype="general">위성영상은 산림 훼손과 도시 개발 현황을 살피고, 홍수나 산불 등 재난 피해를 파악하는 데 중요한 역할을 합니다. 하지만 일반 사진처럼 지표면에서 반사된 햇빛을 촬영하는 광학위성은 구름이 짙게 끼거나 밤이 되면 지상을 관측하기 어렵다는 한계가 있습니다.</p> <p contents-hash="5c70b033c6ddd8f816cdb35eaab90610fab5b789f2b32b0fb36b33ac4dae73a7" dmcf-pid="2bgZ0kzt3u" dmcf-ptype="general">이를 보완하기 위해 활용되는 것이 합성개구레이더(SAR) 위성입니다. </p> <p contents-hash="cfae6ccb98b266d9434605e116753882b3039fdef24cb2afb155f5b8590ed9e6" dmcf-pid="VKa5pEqF7U" dmcf-ptype="general">SAR 위성은 지상으로 전파를 발사한 뒤 되돌아오는 신호를 분석하기 때문에 구름이 낀 날이나 야간에도 지표면을 관측할 수 있습니다. 다만 영상의 밝기와 무늬가 일반 사진과 크게 달라 지형이나 시설물을 직관적으로 알아보기 어렵습니다. </p> <div contents-hash="fe1136b917d537197f9e6aea908844461fbfe4ceeda94745feea76993972ec12" dmcf-pid="f9N1UDB33p" dmcf-ptype="general"> 연구팀은 서로 다른 방식으로 촬영된 위성자료를 효율적으로 활용하고, 관측 과정에서 발생하는 한계를 극복하기 위해 새로운 AI 모델 개발에 나섰습니다. </div> <figure class="figure_frm origin_fig" contents-hash="1a9c7d54f0c553d52cbdfcbe611db319ee16b39c7e1bcaab1f5b3d6f49bec8c6" dmcf-pid="42jtuwb0U0" dmcf-ptype="figure"> <p class="link_figure"><img alt="GeoCore-9B 연구 활용 이미지" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/20/551724-22lyJQR/20261020091347265afmk.jpg" data-org-width="647" dmcf-mid="UrMSGn1yzV" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/20/551724-22lyJQR/20261020091347265afmk.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> GeoCore-9B 연구 활용 이미지 </figcaption> </figure> <div contents-hash="9fda915df9af2f98bf3f9bf487bdbd87597eba3c4718cbbfc7c7e9a56c0c2b84" dmcf-pid="8fc3zm9UF3" dmcf-ptype="general"> <div> <br>◆ 위성영상 1천만 쌍 학습…지구의 위치와 크기까지 이해 <br> <br>연구팀은 기존 일반 사진 생성 AI를 수정하는 방식에서 벗어나, 위성에서 내려다본 지구의 모습을 바탕으로 AI 핵심 모델을 처음부터 학습시켰습니다. 학습에 활용된 자료는 전 세계 위성영상과 해당 영상의 내용을 설명하는 문장으로 구성된 1천만 쌍입니다. <br> <br>항구를 촬영한 영상에는 선박과 창고가 모여 있다는 설명을, 농촌 영상에는 논밭 사이로 도로가 이어진다는 설명을 연결하는 방식입니다. 이를 통해 AI가 다양한 도시와 산림, 농경지, 항구 등의 특징을 익히도록 했습니다. <br> <br>특히 연구팀은 영상 속 사물을 구분하는 것을 넘어 촬영 위치와 실제 공간 규모까지 학습하도록 설계했습니다. 위도와 경도는 물론, 영상 속 한 픽셀이 실제 지상에서 차지하는 크기를 나타내는 '지상표본거리(GSD)'를 학습에 반영한 것입니다. <br> <br>예를 들어 지상표본거리가 1m라면 영상의 한 픽셀은 실제 지상의 가로·세로 약 1m 영역에 해당합니다. 연구팀은 이러한 정보를 활용해 AI가 비슷한 형태의 건물과 대규모 산업시설을 공간 규모에 맞춰 표현하도록 했습니다. <br> <br>◆ 구름 제거부터 레이더 영상 변환까지…기존 AI 성능 뛰어넘어 <br> <br>연구팀은 개발한 지오코어-9B를 구름 제거와 레이더 영상 변환 작업에 각각 맞춰 추가 학습시켰습니다. 이 과정에서는 대규모 AI 모델 전체를 다시 학습하는 대신 핵심 모델은 유지하면서 일부 요소만 학습하는 '로라(LoRA)' 방식을 활용했습니다. <br> <br>이를 통해 새로운 영상 처리 기능을 개발할 때 필요한 학습 부담을 줄였습니다. 공개 위성자료를 이용한 성능 평가에서도 기존 전문 AI 모델을 뛰어넘는 결과가 확인됐습니다. <br> <br>구름에 가려진 위성영상을 복원하는 실험에서는 원본에 해당하는 기준 영상과 비교했을 때 밝기와 색상, 구조적 유사성을 평가하는 주요 지표에서 기존 전문 모델보다 우수한 성능을 나타냈습니다. 레이더 영상을 일반 광학영상 형태로 변환하는 실험에서도 영상 품질과 세부 구조를 평가하는 일부 지표에서 가장 좋은 결과를 기록했습니다. </div> </div> <figure class="figure_frm origin_fig" contents-hash="9629342a68936c78fadbc91214f9a331d1aaa36b45f502b7abd245c32b3e81b2" dmcf-pid="64k0qs2upF" dmcf-ptype="figure"> <p class="link_figure"><img alt="지상표본거리에 따른 위성영상 변화 비교" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/20/551724-22lyJQR/20261020091347397miby.jpg" data-org-width="647" dmcf-mid="ukHxiFae02" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/20/551724-22lyJQR/20261020091347397miby.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 지상표본거리에 따른 위성영상 변화 비교 </figcaption> </figure> <div contents-hash="0ef61e847fad44dd951674dd6f6dd8c3bbe64e59bda065f0ea20ba95cd5f0403" dmcf-pid="P8EpBOV7Ft" dmcf-ptype="general"> <div> <br>◆ 재난 감시부터 국방까지…위성 AI 활용 범위 넓힌다 <br> <br>이번 연구는 위성영상을 생성하는 과정에서 학습한 지식을 실제 관측 영상의 복원과 변환에도 활용할 수 있다는 가능성을 보여줬습니다. 특히 구름이나 촬영 방식의 차이로 분석하기 어려웠던 위성자료의 활용도를 높일 수 있을 것으로 기대됩니다. <br> <br>또 개별 작업마다 대규모 AI를 새로 개발할 필요가 줄어들어 위성영상 분석 기술 개발에 들어가는 시간과 비용도 절감할 수 있을 전망입니다. <br> <br>연구팀은 앞으로 다양한 위성 센서와 지역을 대상으로 AI 성능을 추가 검증할 계획입니다. 나아가 홍수와 산불, 건물 파손, 도시 확장 등 지형 변화를 정확하게 예측하는 기술을 연구하고, 감시·정찰을 비롯한 국방 분야로도 활용 범위를 확대할 방침입니다. </div> </div> <p contents-hash="696b4e09441f5c18832f2ac749aca9191b0bf3f1cb6e67843e2b0aa2a8ff00e2" dmcf-pid="Q6DUbIfzz1" dmcf-ptype="general">(사진=KAIST) </p> <p contents-hash="2b0268d08e61cfe0a1196eecdb3a544c9c54a7ec6b9ed0b12e1786239df01dd9" dmcf-pid="xPwuKC4qU5" dmcf-ptype="general">조형준 취재 기자 | brotherjun@tjb.co.kr</p> </section> </div> <p class="" data-translation="true">Copyright © TJB </p> 관련자료 이전 AI Agent의 '기업 안착'의 조건은? 'AX & 하이퍼오토메이션 코리아 2026-Fall'에서 찾는다 10-20 다음 KT, 병원 데이터·AI 묶어 '의료 AX' 확대…아크릴과 공동 사업 10-20 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
