KAISTのAI、雲に遮られた地表を写真のように復元

雲に遮られていた衛星画像の中の地表の様子を推定し、写真のように復元する人工知能（AI）が開発された。KAIST電気・電子工学部のキム・ムンチョル教授チームは、衛星画像の生成・復元・変換に幅広く活用できるAI「GeoCore-9B」を開発したと20日発表した。

衛星画像は、山火事や洪水の被害把握、森林や都市の変化の観察に不可欠な資料だが、撮影環境やセンサーの特性によって活用が制約されてきた。地表で反射した日光を捉える光学衛星は、雲が厚い場合や夜間には地上の観測が困難だ。電波を発射し、戻ってくる信号を分析する合成開口レーダー（SAR）は、夜間や曇天でも観測できるが、画像の明るさや模様が一般の写真と異なるため、解釈が容易ではない。

研究チームは、光学とレーダーの限界を一つのモデルで克服するため、こうしたデータを共通して処理できる共通基盤を構築した。世界の衛星画像と説明文1千万組で生成のコアモデルを学習させた。コアモデルは学習過程で約90億個のパラメータを調整しながら地表の特徴を読み取る。生成・復元・変換など複数のタスクに活用できるファウンデーションモデル構造だ。一般の画像生成モデルの学習値を流用するのではなく、衛星画像でゼロから学習した点も特徴である。

画像の説明文に緯度・経度と地上サンプリング距離（GSD）を加え、撮影位置と実際の空間スケールまで反映した。GSDが1メートルであれば、1ピクセルは縦横約1メートルの領域に相当する。これにより、AIは個々の建物から大規模な産業施設まで、空間スケールに応じた表現が可能になった。道路の接続や農地の境界など緻密な構造を学習させるため、地理空間意味アライメントの手法も適用した。衛星画像専門のAIが抽出した特徴を生成モデルが学習の基準として参照する方式で、この専門AIは学習段階でのみ使用される。

共通モデルの学習の後は、雲除去とSAR画像変換に合わせ、小規模な追加パラメータのみを学習した。コアモデルを大部分維持する低ランク適応（LoRA）方式で、タスクごとに大型モデル全体を再学習する負担を軽減した。

研究チームが公開衛星データを用いて雲除去実験を行った結果、明るさ・色彩、構造の類似性を評価する主要な指標で、従来の専門モデルを上回る成績を収めたと発表した。SAR画像を光学画像の形式に変換する実験でも、生成品質と細部構造を評価する一部の指標で最高の成績を収めたと研究チームは説明した。キム・ムンチョル教授は「衛星画像の生成過程で習得した地形と空間構造が、雲に遮られた画像の復元やレーダーデータの解釈にも有用であることを確認した」とし、「撮影位置や実際の地形の大きさまで学習させ、一つのAIを雲除去や画像変換など複数のタスクに活用できるようにした」と説明した。

今回の研究にはKAIST情報電子研究所のチョン・ヒョク博士が第一著者として参加した。研究チームによると、成果はAI分野の国際学会「NeurIPS 2026」に採択された。