지오코어-9B, 레이더 영상 변환과 구름 제거 성능 입증

지오코어-9B는 위성영상 속 구름에 가려진 지형 복원하는 AI 개발 성과를 집약한 위성 특화 생성형 인공지능 모델이다. 한국과학기술원(KAIST) 전기및전자공학부 김문철 교수 연구팀은 2026년 10월 20일 전 세계 위성영상과 설명 문장 1000만 쌍을 학습한 90억 매개변수 규모의 이 모델을 공개했다. 이번 기술은 악천후나 야간에도 지상 관측의 공백을 메워 재난 대응 및 국토 모니터링 역량을 높일 것으로 기대를 모은다.

지오코어-9B의 설계 구조와 1000만 쌍 학습 데이터

지오코어-9B는 위성영상과 이를 설명하는 텍스트 1000만 쌍을 기반으로 처음부터 사전 학습을 거친 90억 매개변수(Parameter) 규모의 지구관측 파운데이션 모델이다. 기존 인공지능들이 일반 지상 사진을 생성하던 네트워크를 가져와 일부 수정하는 방식을 취했던 것과 달리, 지오코어-9B는 인공위성에서 내려다본 지표면 데이터만을 활용해 모델의 뼈대를 구축했다(KAIST, 2026).

연구팀은 대규모 데이터셋을 구축하면서 항구 영상에는 선박과 물류창고가 밀집해 있다는 서술을 붙이고, 농촌 영상에는 농경지 사이로 도로가 연결되어 있다는 상세 설명을 짝지었다. 인공지능은 1000만 쌍에 달하는 방대한 설명 데이터를 처리하며 산림과 항만, 도심 빌딩 등 다양한 지표 지형의 고유한 공간적 특징을 입체적으로 익혔다.

연구팀은 영상에 담긴 시각 정보 외에도 촬영 당시의 위도와 경도, 픽셀당 실제 지상 크기를 나타내는 지상표본거리(GSD)를 핵심 학습 변수로 입력했다. 동일한 형태로 포착된 사물이라도 고도와 해상도에 따라 소형 건물일 수도 있고 대형 물류 기지일 수도 있어 실제 공간 규모를 인지하는 과정이 필요하기 때문이다. 이러한 연구는 앞서 추진된 KAIST의 바이오헬스 특화 AI 추론 플랫폼 구축 사례처럼, 전문 영역에 최적화된 고유 파운데이션 모델을 독자 개발하는 흐름과 맞닿아 있다.

기존 광학 위성과 합성개구레이더(SAR) 관측의 한계

기존 지구관측 위성은 태양광을 반사해 지표를 포착하는 광학 방식과 마이크로파 전파를 송수신하는 레이더 방식 사이에서 기상 조건과 시각적 판독성의 상반된 한계를 보여 왔다. 광학 위성영상은 사람의 눈으로 보는 풍경과 같아 직관적으로 판독할 수 있으나, 짙은 구름이 끼거나 야간이 되면 지표면 정보를 수집할 수 없다는 약점을 안고 있다.

마이크로파를 발사해 지표면에서 되돌아오는 반사 신호를 합성해 영상화하는 합성개구레이더(SAR, Synthetic Aperture Radar)는 날씨와 주야에 구애받지 않고 전천후 관측이 가능하다. 하지만 합성개구레이더 영상은 전파의 산란 특성으로 인해 명암과 질감이 일반 가시광선 사진과 크게 달라 전문 판독관조차도 상황을 즉각적으로 파악하기 어렵다는 난점이 있었다.

지오코어-9B는 두 관측 시스템의 틈새를 연결하는 변환 가교 역할을 수행한다. 구름으로 가려진 광학영상의 손실 부분을 지형 문맥에 맞춰 복원하거나, 판독이 난해한 레이더 데이터를 가시광선 광학영상과 유사한 형태로 재구성해 관측 자료의 활용성을 끌어올린다.

구름 제거와 레이더 영상 변환 성능 검증

지오코어-9B는 공개 위성 데이터를 활용한 성능 검증에서 기존 전문 모델을 상회하는 구름 제거 정확도를 달성하고 레이더 영상의 광학 변환 분야에서도 주요 지표 1위를 기록했다. 연구팀은 기초 모델을 안정적으로 수립한 뒤 하위 작업별 미세조정 과정을 거쳐 두 가지 핵심 복원 기능을 완성했다(KAIST, 2026).

다음 표는 기존 광학 및 레이더 위성의 고유한 특성과 지오코어-9B가 거둔 복원 성능을 비교 정리한 내용이다.

지오코어-9B는 실제 지형 경계와 도로망의 연결성을 정밀하게 보존하면서 구름 아래의 원래 지표 모습을 재현해 냈다. 연구팀이 제시한 모델 세부 구현과 관련 검증 결과는 지오코어-9B 공식 프로젝트 웹페이지를 통해 학계에 공개되었다.

재난 현장 파악 등 활용 범위와 뉴립스 2026 채택 성과

지오코어-9B는 홍수나 산불 등 기상이 악화된 긴급 재난 현장의 피해 상황을 조기에 파악하고 도시와 산림의 변화를 추적하는 공공 감시 체계에 폭넓게 쓰일 수 있다. 폭우가 쏟아져 먹구름이 짙게 낀 지역이라도 레이더 위성으로 촬영한 뒤 지오코어-9B를 통해 가시화하면 도로 유실이나 하천 범람 범위를 신속하게 파악할 수 있다.

단일 파운데이션 모델을 바탕으로 복원과 변환 등 다양한 세부 기능을 파생시킬 수 있어, 개별 작업마다 인공지능을 별도로 제작하던 방식에 비해 개발 기간과 컴퓨팅 자원을 대폭 줄일 수 있다. 이는 향후 환경 변화 모니터링뿐만 아니라 주요 시설 감시와 같은 공공 안전 및 정찰 분야에서도 높은 효용성을 제공할 전망이다.

이번 연구는 기술적 완성도와 실용성을 인정받아 인공지능 분야 학술대회인 신경정보처리시스템학회(NeurIPS, 뉴립스) 2026 발표 논문으로 채택됐다. 연구진은 지리 정보와 연계된 파운데이션 모델을 지속적으로 고도화해 다양한 지구관측 분야에 적용해 나갈 방침이다.