Tim peneliti Korea Advanced Institute of Science and Technology (KAIST) mengembangkan GeoCore-9B, model kecerdasan buatan yang dirancang khusus untuk menghasilkan, memulihkan, dan mengonversi citra satelit. Kim Munchurl (kiri) dari Departemen Teknik Elektro KAIST duduk berdampingan dengan Do Jeonghyeok di depan monitor besar yang menampilkan hasil penelitian mereka.
Penulis: Hong Angie
Foto: KAIST
Tim peneliti Korea mengembangkan teknologi kecerdasan buatan (AI) yang mampu memulihkan citra satelit yang tertutup awan. Teknologi ini juga dapat mengubah citra radar yang sulit ditafsirkan menjadi gambar yang jernih seperti foto biasa.
Pada tanggal 20 Oktober 2026, Korea Advanced Institute of Science and Technology (KAIST) mengumumkan bahwa tim peneliti yang dipimpin Kim Munchurl dari Departemen Teknik Elektro KAIST telah mengembangkan GeoCore-9B. Model AI ini dirancang khusus untuk menghasilkan, memulihkan, dan mengonversi citra satelit.
Citra satelit merupakan sumber data penting untuk memantau perubahan iklim serta mendukung penanganan bencana seperti kebakaran hutan dan banjir.
Namun, satelit optik yang mengandalkan cahaya tampak, tidak dapat mengamati permukaan Bumi ketika terhalang awan atau pada malam hari.
Sementara itu, radar apertur sintetis (SAR) menggunakan gelombang radio untuk mengamati permukaan Bumi sehingga dapat beroperasi siang dan malam dalam berbagai kondisi cuaca. Namun, citra yang dihasilkannya berbeda dari foto biasa sehingga lebih sulit ditafsirkan.
Untuk mengatasi kendala tersebut, tim peneliti merancang dan melatih model AI dari awal khusus untuk mengolah data pengamatan Bumi, alih-alih memodifikasi AI generatif yang dibuat untuk foto biasa.
Model fondasi yang mereka bangun memiliki sekitar 9 miliar parameter dan dilatih menggunakan 10 juta pasangan data berupa citra satelit dari seluruh dunia beserta teks deskripsinya.
Ilustrasi konsep pemulihan dan konversi citra satelit menggunakan model fondasi GeoCore-9B yang dikembangkan tim peneliti KAIST.
Model ini memadukan informasi tentang objek dalam citra, koordinat pengambilan gambar (lintang dan bujur), ukuran sebenarnya di permukaan Bumi yang diwakili setiap piksel (GSD), serta struktur wilayah seperti jaringan jalan dan batas lahan pertanian.
Penggabungan informasi tersebut secara cermat membantu meminimalkan distorsi sehingga hasil citranya lebih sesuai dengan kondisi geografis sebenarnya.
Dalam uji kinerja, GeoCore-9B menunjukkan kualitas dan akurasi pemulihan citra yang lebih baik dibandingkan model-model khusus yang sudah ada, baik dalam eksperimen penghilangan tutupan awan maupun konversi citra radar SAR menjadi citra optik.
Tim peneliti juga menerapkan LoRA, teknik penyesuaian model yang lebih hemat biaya. Teknik ini hanya memerlukan pelatihan sebagian kecil parameter tanpa perlu melatih ulang seluruh model.
Do Jeonghyeok dari Institut Riset Informasi dan Elektronika KAIST merupakan penulis pertama makalah penelitian ini. Makalah tersebut telah diterima di NeurIPS 2026, salah satu konferensi ilmiah paling bergengsi di dunia dalam bidang kecerdasan buatan.
shong9412@korea.kr
