당신이 로봇에게 우주에서 본 지구 전체를 그리는 법을 가르치려 한다고 상상해 보십시오. 당신은 이렇게 생각할지도 모릅니다. "쉬운 일이야! 고양이, 자동차, 일몰 사진 백만 장을 보여주면 무엇이든 그리는 법을 배우겠지." 하지만 여기 함정이 있습니다. 고양이 사진은 눈높이에서 촬영되어 원근감과 그림자가 존재하며 사물을 3D처럼 보이게 만듭니다. 반면 위성 사진은 지도처럼 머리 위에서 똑바로 내려다본 모습입니다. 그것들은 일반 사진과 같은 "느낌"을 갖지 않습니다. 만약 당신이 고양이 사진만으로 로봇을 가르치려 한다면, 로봇은 혼란에 빠질 것입니다. 로봇은 도시를 그릴 때 지평선을 그리거나 숲이 기울어진 것처럼 보이게 만들 수도 있는데, 이는 로봇이 지상 레벨의 규칙을 조감도(bird's-eye view)에 적용하려고 하기 때문입니다. 이것이 바로 지구 관측(Earth Observation, EO) 분야의 과학자들이 해결하려는 거대한 퍼즐입니다. 즉, 어떻게 하면 일반 사진의 습관에 속지 않고, 위성 영상 특유의 평면적이고 물리적으로 정밀한 특성을 이해하는 AI를 구축할 것인가 하는 문제입니다.

기존의 방식을 거부하는 새로운 디지털 아티스트, GeoCore-9B가 등장했습니다. 이 모델은 기존의 방식으로부터 학습하고 이를 "미세 조정(fine-tuning)"하는 대신, 1,000만 장의 실제 위성 이미지만을 사용하여 백지 상태에서부터 처음부터 학습되었습니다. 이를 일반 미술 수업을 건너뛰고 곧바로 지도 제작 전문 학교로 진학한 학생이라고 생각해 보십시오. 이 90억 개의 파라미터를 가진 거인은 단순히 도시가 어떻게 생겼는지 추측하는 것이 아니라, 그것이 정확히 어디에 있는지를 알고 있습니다. "이 특정 위도와 경도에, 이 특정 지면 해상도로 밀집된 도시를 그려라"라고 명령하면, 모델은 그대로 따를 것입니다.

연구진은 모델에게 실제 좌표와 물리적 규모에 주의를 기울이도록 가르침으로써, 생성된 이미지가 단순히 예쁠 뿐만 아니라 지리적으로도 정확하다는 것을 발견했습니다. 또한 모델이 더 빠르게 학습할 데 도움을 주는 영리한 기술을 찾아냈습니다. 바로 학습 중에 "선생님" 네트워크(이미 지형을 식별할 줄 아는 고정된 전문가 AI)가 학생에게 힌트를 속삭이게 하는 것입니다. 이 방식은 최종 모델을 느리거나 무겁게 만들지 않으면서도 학습 과정을 훨씬 더 집중력 있게 만들어 주었습니다. 그 결과는 어떠할까요? GeoCore-9B는 놀랍도록 사실적인 위성 뷰를 생성하고, 흐릿한 사진에서 구름을 제거하며, 심지어 레이더 이미지(정적 노이즈처럼 보이는 이미지)를 선명한 광학 사진으로 변환할 수 있습니다. 이는 우리가 지구 관측을 일반 사진의 틀에 맞추려고 강요하는 것을 멈출 때, 우리 행성을 진정으로 이해하는 도구를 구축할 수 있음을 시사합니다.

문제점: "고양이 사진"의 함정

오랫동안 이미지 생성 분야의 최고 AI 모델들은 인터넷에서 가장 인기 있는 주제인 사람, 동물, 풍경이 담긴 자연 사진을 학습해 왔습니다. 유명한 "Stable Diffusion"과 같은 이 모델들은 예술 작품을 만드는 데 매우 뛰어납니다. 하지만 과학자들이 이 모델들을 사용하여 위성 이미지를 생성하려고 했을 때, 상황은 엉뚱하게 흘러갔습니다.

강아지에게 새 사진을 보여주며 수영하는 법을 가르친다고 상상해 보십시오. 강아지는 물을 저으려 하는 대신 귀를 퍼덕이거나 날려고 할지도 모릅니다. 이와 유사하게, 이러한 AI 모델들은 원근법에 대한 "편향"을 가지고 있었습니다. 모델은 지평선이 있고, 특정 각도에서 바라보며, 특정한 "일상적인" 규모를 가진 사물을 기대했습니다. 하지만 위성 이미지는 직교 투영(orthographic) 방식입니다. 즉, 지평선이 없는 수직 하강 뷰이며, 집은 전경에 있든 배경에 있든 동일한 크기로 보입니다.

연구진이 이러한 "자연 이미지" 모델에게 위성 지도를 그리도록 강제했을 때, 결과는 종종 기괴했습니다. AI는 하늘을 향해 휘어지는 도로를 그리거나 건물이 기울어진 것처럼 보이게 만들었습니다. 모델이 거리 수준의 사진 규칙을 우주에서 찍은 지도에 적용하려 했기 때문입니다. 논문은 단순히 기존 모델을 미세 조정하는 것만으로는 충분하지 않다고 주장합니다. 왜냐하면 모델의 근본적인 "두뇌"가 여대륙과 도시가 아닌, 여전히 고양이와 자동차를 생각하고 있기 때문입니다.

해결책: 우주에서 태어난 모델

이를 해결하기 위해 저자들은 GeoCore-9B를 구축했습니다. 이것은 90억 개의 파라미터를 가진 거대한 생성형 파운데이션 모델입니다. 핵심적인 차이점은 무엇일까요? 이 모델은 인터넷의 사진 컬렉션으로 학습되지 않았습니다. 대신 Git-10M이라는 데이터셋에 포함된 1,000만 장의 위성 이미지로만 학습되었습니다.

GeoCore-9B를 거리 수준의 사진을 한 번도 본 적 없는 지도 제작자로 생각하십시오. 이 모델은 오직 위에서 내려다본 세상만을 알고 있습니다. 이 모델은 Flow Matching을 사용하는 **확산 트랜스포머(Diffusion Transformer, DiT)**라는 새로운 아키텍처를 기반으로 구축되었습니다. 간단히 말해, "확산(diffusion)"은 정적 노이즈 구름에서 시작하여 단계적으로 선명한 이미지로 정교화하는 과정과 같습니다. "플로우 매칭(Flow Matching)"은 특히 거대 모델에서 그 노이즈를 선명한 이미지로 안내하는 더 부드럽고 효율적인 방법입니다.

하지만 그저 그리는 법만 아는 모델로는 부족합니다. 모델은 어디에 그려야 하는지도 알아야 합니다. GeoCore-9B는 "지리적 인지 능력(geo-aware)"을 갖추고 있습니다. 이 모델은 텍스트 설명과 함께 세 가지 특별한 입력을 받습니다:

1. 텍스트: 보고 싶은 것 (예: "번화한 항구").
2. 지면 샘플 거리 (GSD): 이미지가 얼마나 상세해야 하는지 (예: 픽셀당 1미터 vs 픽셀당 32미터).
3. 좌표: 정확한 위도와 경도.

이를 통해 모델은 다음과 같이 판단할 수 있습니다: "좋아, 항구를 원한다고? 뉴욕에서 1미터 해상도라면 작은 배와 크레인을 그릴 거야. 하지만 사하라 사막에서 32미터 해상도라면 넓은 모래 해안선을 그리겠어." 모델은 위치의 물리적 현실에 따라 자신의 "붓놀림"을 조절합니다.

비법: "선생님"의 속삭임

90억 개의 파라미터를 가진 모델을 처음부터 학습시키는 것은 매우 어렵습니다. 이는 마치 아이에게 책 한 권 없이 복잡한 언어를 말하도록 가르치는 것과 같습니다. 아이는 막히거나 헛소리를 하기 시작할 수 있습니다. 연구진은 아무런 도움 없이 모델이 가끔 "방향 감각을 잃거나" 파편화된 질감을 생성한다는 점을 발견했습니다.

이를 해결하기 위해 연구진은 지형 공간 의미론적 정렬(Geospatial Semantic Alignment, GSA) 손실을 도입했습니다. 여기에는 비유가 있습니다: 학생(GeoCore-9B)이 지도를 그리고 있다고 상상해 보십시오. 그 옆에는 지형을 인식하는 데 전문가이지만 직접 그리지는 못하는 고정된 선생님(DINOv3-Sat이라는 특화된 AI)이 앉아 있습니다. 선생님은 학생의 스케치를 보고 "이봐, 저 강은 너무 들쭉날쭉해. 실제 강은 더 매끄러워"라거나 "저 숲의 조각은 너무 흩어져 있어"라고 속삭입니다.

학생은 이 말을 듣고 선생님의 구조적 힌트에 맞춰 그림을 수정합니다. 결정적으로, 이 "선생님"은 오직 학습 단계에서만 사용됩니다. 학생이 준비되면 선생님은 떠납니다. 즉, 최종 모델은 선생님이 없었을 때와 마찬가지로 빠르고 가볍지만, 훨씬 더 잘 학습된 상태가 됩니다. 논문은 이 기술이 추가적인 비용 없이도 생성된 이미지의 품질을 크게 개선하여, 도로를 더 곧게 만들고 건물을 더 현실적으로 만들었다는 것을 보여줍니다.

무엇을 할 수 있는가?

저자들은 GeoCore-9B가 단순히 예쁜 그림을 만드는 생성기가 아니라 실제로 유용한지 확인하기 위해 여러 방식으로 테스트했습니다.

1. 텍ist-to-Image 생성:
텍스트를 기반으로 장면을 그리라는 요청에 대해, GeoCore-9B는 이전 모델들보다 뛰어난 성능을 보였습니다. 다른 AI들이 이상한 아티팩트(예: 집이 하늘에 떠 있는 현상)로 고전할 때, GeoCore-9B는 실제 위성 사진처럼 보이는 이미지를 생성했습니다. 모델은 "호수와 금속 돔이 있는 밀집된 대도시"와 같은 복잡한 프롬프트를 처리하고 레이아웃을 정확히 구현할 수 있었습니다.

2. 규모 인식 (Scale Awareness):
가장 인상적인 성과 중 하나는 명령에 따라 "줌 레벨"을 변경하는 능력이었습니다. 1미터 해상도를 요구하면 개별 자동차나 나무 같은 미세한 디테일을 그렸고, 32미터 해상도를 요구하면 넓은 들판이나 도시 블록 같은 광범위한 패턴을 그렸습니다. 이전 모델들은 종종 혼란을 겪으며 낮은 줌에서 작은 자동차를 그리거나 높은 줌에서 거대한 나무를 그리는 실수를 범했습니다. GeoCore-9B는 규모의 물리학을 이해했습니다.

3. "텍스트 없는" 도전:
연구진은 텍스트 설명 없이 오직 위도와 경도만 주었을 때도 모델을 테스트했습니다. 놀랍게도 GeoCore-9B는 해당 위치에 대한 정확한 지형을 생성할 수 있었습니다. 좌표를 사하라 사막으로 주면 모래 언덕을 그렸고, 뉴욕시로 주면 마천루를 그렸습니다. 이는 모델이 단순히 텍스트-이미지 쌍을 암기한 것이 아니라, 지구의 "지리적 사전 지식(geographic priors)"을 진정으로 학습했음을 증명합니다.

4. 실질적인 구조 임무:
이 모델은 단순히 새로운 사진을 만드는 데 그치지 않고, 실제 문제를 해결하는 데도 테스트되었습니다.

• 구름 제거: 위성 카메라는 종종 구름에 의해 가려집니다. GeoCore-9B는 구름이 낀 이미지를 보고 그 아래의 지면이 어떻게 생겼을지 "환각(hallucinate, 예측)"하여, 구름을 제거하고 도로와 들판을 높은 정확도로 드러낼 수 있었습니다.
• SAR-to-Optical 변환: 레이더 이미지(SAR)는 정적 노이즈처럼 보여 사람이 읽기 어렵습니다. GeoCore-9B는 노이즈가 섞인 레이더 이미지를 가져와서 선명한 광학 사진으로 변환할 수 있었습니다. 모델은 이 작업을 위해 설계된 많은 전문 도구들보다 더 나은 성능을 보여주었습니다.

결론

이 논문은 GeoCore-9B가 지구 관측 데이터를 생성하는 새로운 표준을 세웠음을 시사합니다. 이 모델은 자연 이미지 모델을 변형하는 대신, 위성 데이터로 처음부터 거대한 모델을 학습시키는 것이 더 나은 결과를 가져온다는 것을 입증했습니다. 이 모델은 단순히 예쁜 그림을 만드는 "장난감"이 아닙니다. 재난 모니터링, 도시 계획, 환경 추적과 같은 실제 응용 분야에서 강력한 잠재력을 보여줍니다.

하지만 저자들은 이것이 시작 단계임을 유의해야 한다고 언급합니다. 현재 모델은 RGB(컬러) 이미지를 생성하며, 원래 자연 사진을 위해 설계된 "인코더(이미지를 압축하는 도구)"에 의존하고 있습니다. 이는 아주 미세한 디테일을 완벽하게 보존하는 데 한계가 있을 수 있음을 의미합니다. 또한, 모델이 이미지를 생성하는 데 탁ual히 뛰어나지만, 실제 장소에 대한 잘못된 정보를 퍼뜨리는 데 사용될 수 있는 "지리적 딥페이크(geographical deepfakes)"에 대해서도 주의가 필요하다고 지적합니다.

요약하자면, GeoCore-9B는 거대한 도약입니다. 이는 지구를 단순한 사물의 집합이 아니라, 하나의 일관되고 지리적으로 정확한 지도로 이해하기 위해 구축된 최초의 거대 모델입니다. 이는 지구 관측의 미래가 일반 사진의 형태에 억지로 맞추는 것이 아니라, 우리 행위의 독특한 기하학적 구조를 존중하는 데 있음을 시사합니다.