KAIST于20日表示，该校电气与电子工程系教授Mooncheol Kim团队开发出生成式AI模型“GeoCore-9B”，可用于修复被云层遮挡的卫星影像，并将SAR影像转换为光学影像。
据介绍，GeoCore-9B是一款参数规模约90亿的生成式基础模型，可支持卫星影像生成、修复和转换等多类任务。
在训练方面，研究团队使用了1000万组全球卫星影像及其文字说明数据。不同于在通用图像生成模型基础上进行改造，GeoCore-9B是基于涵盖地形、森林、港口、城市等场景的地球观测数据，从零开始训练得到的模型。
为提升模型对地理场景的理解能力，团队在训练中还引入了拍摄位置与空间尺度信息，包括经纬度和地面采样距离（GSD）。这使模型在生成和修复影像时，能够同时考虑地理位置及真实地形尺度。与此同时，团队还采用“地理空间语义对齐”方法，让模型学习道路连通性、农田边界等地形结构特征。
在应用阶段，研究团队将GeoCore-9B用于去云以及SAR影像向光学影像的转换，并采用LoRA方法进行微调，仅对部分参数进行追加训练，以在尽量保留底座模型能力的同时降低训练成本。
KAIST表示，在基于公开卫星数据开展的性能评测中，GeoCore-9B在去云任务的主要图像质量指标上优于现有专用模型；在SAR转光学影像实验中，也在部分质量评估指标上取得了最优结果。
研究团队预计，这项技术有望提高受云层遮挡或成像方式限制的卫星数据利用率。后续研究还计划将应用范围扩展至洪水、山火、建筑损毁、城市扩张等地形变化预测，以及国防领域的监视与侦察技术。
Mooncheol Kim表示，团队让AI学习卫星影像的拍摄位置和真实地形尺度，使其能够用于去云、影像转换等多项任务，相关成果有望应用于灾情研判，以及森林和城市变化观测。
本项研究由KAIST信息电子研究所博士Jeonghyeok Do担任第一作者，Mooncheol Kim担任通讯作者。相关成果已被国际AI学术会议NeurIPS 2026录用。
Jin-ho Lee
jhlee26@d-today.co.kr