Bulutlu uydu fotoğraflarına son: 9 milyar parametreli GeoCore-9B tanıtıldı

Güney Kore İleri Bilim ve Teknoloji Enstitüsü (KAIST), hava koşulları, yoğun bulut örtüsü ve karanlık nedeniyle optik uydu görüntülerinde oluşan veri boşluklarını azaltacak bir model geliştirdi. Elektrik Mühendisliği Bölümü’nden Prof. Munchurl Kim liderliğindeki ekibin GeoCore-9B adlı üretken yapay zeka çalışması, arXiv’de yayımlandı. 

Model, optik kameralar ile Sentetik Açıklıklı Radar (SAR) sistemlerinden gelen verileri birleştirerek görüntü onarma ve dönüştürme görevlerini üstlendi. Araştırmayla afet yönetimi ve çevresel izlemede kullanılabilecek daha bütünlüklü görüntüler elde edilmesi amaçlandı.

KONUM VE ÖLÇEK 

Ekip, standart internet fotoğraflarıyla eğitilmiş bir modeli uyarlamak yerine GeoCore-9B’yi sıfırdan eğitti. Eğitimde dünya genelinden 10 milyon uydu görüntüsü çifti ve bunları açıklayan metinler kullanıldı. Limanlar, sanayi tesisleri, ormanlar ve tarım arazileriyle birlikte enlem, boylam ve Yer Örnekleme Mesafesi (GSD) bilgileri de modele verildi.

Bir pikselin arazide karşılık geldiği ölçeği belirten GSD sayesinde, benzer geometrik görünüme sahip bir konut ile büyük bir fabrika bloğunun gerçek boyutları ve konumları üzerinden ayırt edilmesi sağlandı.

EĞİTİMDE UZMAN MODEL 

Yol ağları ve parsel sınırları gibi yapısal ayrıntıları korumak için 'Coğrafi-Uzamsal Anlamsal Hizalama' yöntemi kullanıldı. Uydu görüntülerinde uzmanlaşmış ikinci bir model, eğitim sırasında referans sağladı. Bu uzman model yalnızca eğitimde kullanıldığı için görüntü üretimi aşamasına ek işlem yükü getirmedi.

GeoCore-9B, ardından bulut giderme ve radar verilerini optik görünüme dönüştürme görevleri için LoRA, yani Düşük Dereceli Uyarlama yöntemiyle ince ayardan geçirildi. Ana parametreler sabit tutulurken sınırlı sayıdaki ek parametrenin eğitilmesi, her görev için modelin yeniden eğitilmesi ihtiyacını azalttı.

KAMU VERİLERİYLE KIYASLAMA 

Kamuya açık veri setlerindeki karşılaştırmalarda GeoCore-9B’nin, bulut giderme görevinde parlaklık dengesi, renk tutarlılığı ve yapısal benzerlik ölçütlerinde test edilen özel modelleri geride bıraktığı bildirildi.

SAR verilerinden optik görünüm üretiminde de yüzey ayrıntılarını aslına uygun oluşturma açısından en yüksek doğruluğa ulaşıldığı belirtildi. Sonuçlar, tek bir temel modelin farklı uydu görüntüleme görevlerine uyarlanabileceğini gösterdi.

AFETLER İÇİN UYARLAMA 

KAIST ekibi, teknolojiyi sel taşkınlarının, bina yıkımlarının, orman yangınlarının yayılımının ve kentsel genişlemenin izlenmesine entegre etmeyi planlıyor. Farklı görevlerde aynı temel modelden yararlanılarak geliştirme maliyetlerinin düşürülmesi hedefleniyor.

Sistemin askeri keşif, sınır güvenliği ve gece gözetleme çalışmalarında karar desteği sağlaması da olası kullanım alanları arasında yer alıyor.