Det sydkoreanske universitet KAIST præsenterer tirsdag den 20. oktober GeoCore-9B, en AI-model til at generere, rekonstruere og omforme satellitbilleder. Forskerne ser muligheder inden for blandt andet miljøovervågning og katastrofeberedskab, men anvendelserne skal fortsat undersøges bredere.

I universitetets meddelelse beskrives arbejdet som et fælles grundlag for flere billedopgaver. Holdet ledes af Munchurl Kim, mens Jeonghyeok Do er førsteforfatter. Forskningsartiklen blev lagt på arXiv den 3. august og er ifølge KAIST optaget til NeurIPS 2026. Dagens nyhed er universitetets præsentation, ikke at forskningen først eksisterer fra i dag.

En afgørende begrænsning følger allerede af opgaven: Når en AI udfylder et område, som et optisk billede ikke viser, er resultatet en rekonstruktion. Det er ikke en ny direkte observation af jorden under skyen.

Trænet til udsigten fra rummet

I forskningsartiklens resumé beskriver forfatterne en generativ model i størrelsesordenen ni milliarder parametre. Dens centrale billedmodel er trænet på jordobservationsdata frem for at være startet fra en model til almindelige fotografier.

Modellen bruger både tekstbeskrivelser og geografiske oplysninger, herunder breddegrad, længdegrad og rumlig opløsning. Det er relevant, fordi en form i et satellitbillede ikke kan fortolkes uafhængigt af målestokken. Et lille felt i billedet kan repræsentere meget forskellige arealer afhængigt af opløsningen.

Forskerne beskriver også en træningsmetode, hvor en anden model bidrager med viden om geografiske strukturer. Denne hjælp bruges under træningen og skal ifølge artiklen ikke lægge ekstra beregningsarbejde på den efterfølgende billedgenerering.

Modelkortet gør begrænsningerne konkrete

Forskerens offentlige modelkort angiver en størrelse på 9,24 milliarder parametre og træning på RGB-billeder i opløsningen 256 gange 256 pixels. Andre opløsninger og sensortyper kræver tilpasning.

Kortet fremhæver desuden, at træningsmaterialets geografiske dækning er ujævn. Kvaliteten kan derfor variere fra region til region. Det understreger også, at modellens geografiske betingelser afspejler sammenhænge i træningsdata og ikke erstatter virkelige observationer af en bestemt lokalitet.

Det er en vigtig forskel mellem at kunne levere koordinater til et system og at få dokumentation for, hvordan netop det sted ser ud nu. Et koordinat er ikke i sig selv en aktuel sensormåling.

Radar og fotografier måler forskelligt

Baggrunden for forskningen er et velkendt problem ved jordobservation: Forskellige sensorer giver forskellige oplysninger. Den europæiske rumorganisation ESA forklarer i sin introduktion til radarsatellitter, at radar udsender radiobølger og registrerer de tilbagevendende signaler.

Satellitter som Sentinel-1 kan derfor indsamle data gennem skyer og i mørke. Det betyder ikke, at deres billeder automatisk ligner et almindeligt farvefotografi. De er baseret på en anden fysisk måling, som skal fortolkes derefter.

Når en model omformer radardata til et fotografisk udtryk, kan den gøre materialet mere umiddelbart genkendeligt. Men den visuelle genkendelighed fortæller ikke alene, hvor præcist alle detaljer er bevaret. Det kræver en sammenligning med et relevant referencegrundlag.

Problemet har været undersøgt længe

ESA's Seeing through clouds-projekt beskriver huller i optiske billedserier som en væsentlig udfordring for overvågning af land og vand. Her peger rumorganisationen på kombinationer af radar, optiske billeder og oplysninger over tid som veje til bedre rekonstruktioner.

Det placerer GeoCore-9B i en eksisterende forskningsretning. Idéen om at bruge flere datatyper til at udfylde mangler er ikke ny i sig selv. Spørgsmålet er, om den konkrete model giver en bedre og mere anvendelig løsning, og under hvilke forhold den gør det.

Et flot billede kan være den forkerte målestok

Elektronikas vurdering er, at sådanne systemer bør vurderes ud fra den beslutning, billedet skal bruges til. Hvis formålet er at lave et oversigtsbillede til undervisning, er kravene anderledes, end hvis en analyse skal afgøre, om en vej er farbar efter en oversvømmelse.

Forestil dig et genereret billede, hvor en vej ser ubrudt ud. Det kan være en visuelt sandsynlig rekonstruktion af landskabet. Men hvis en bro er blevet beskadiget siden det seneste sikre observationsgrundlag, er et troværdigt udseende ikke nok til at fastslå, at forbindelsen faktisk eksisterer.

Dette er et tænkt eksempel og ikke en rapport om en fejl i GeoCore-9B. Det viser, hvorfor kvalitet ikke kun kan handle om farver, skarphed og genkendelige strukturer. En enkelt forkert detalje kan være uvigtig i én anvendelse og afgørende i en anden.

Oprindelsen skal følge med billedet

En praktisk brug af generativ jordobservation bør derfor gøre det let at se, hvilke dele der bygger på målinger, og hvilke der er rekonstrueret. Det er en redaktionel vurdering af formidlingen, ikke en beskrivelse af en bestemt brugerflade i forskernes software.

Det oprindelige materiale, tidspunktet for optagelsen og den anvendte bearbejdning kan være lige så vigtige som selve resultatet. Hvis et billede eksporteres uden denne sammenhæng, kan en senere modtager nemt tillægge det en sikkerhed, som det ikke har.

Det samme gælder sammenligninger over tid. Hvis to billeder er behandlet forskelligt, kan en synlig forskel skyldes bearbejdningen frem for en fysisk ændring i landskabet. En analyse skal kunne skelne mellem de muligheder, før den drager konklusioner.

Fra forskningsresultat til praktisk værktøj

En relevant afprøvning kan begynde med områder, hvor man allerede har gode referencebilleder. Her kan man undersøge, hvad der sker med forskellige typer terræn, bygninger og små strukturer, når dele af inputmaterialet mangler.

Det er også nyttigt at se på de tilfælde, hvor modellen klarer sig dårligst. Et gennemsnit kan skjule, at bestemte regioner eller landskabstyper er svære. Netop den slags skævheder kan være vigtige, hvis systemet skal anvendes uden for de datasæt, forskerne oprindeligt brugte.

En anden prøve er, om forskellige brugere når frem til samme fortolkning af resultatet. Hvis en ekspert ser en usikker rekonstruktion, mens en almindelig modtager ser et fotografi, er der et formidlingsproblem. Teknisk dokumentation og tydelig mærkning bør derfor tænkes sammen med den visuelle præsentation, før billederne bruges uden for forskningsmiljøet.

For danske læsere er perspektivet blandt andet bedre udnyttelse af jordobservationsdata i et landskab, hvor skydække ofte gør optiske billeder ufuldstændige. Det er dog ikke dokumentation for, at modellen allerede er afprøvet eller taget i brug i Danmark.

GeoCore-9B er dermed interessant som et værktøj til at bearbejde og undersøge data. Det mest afgørende forbehold er enkelt: Et billede, der ser mere komplet ud, indeholder ikke nødvendigvis flere sikre observationer. Den forskel skal bevares, også når resultatet er overbevisende at se på.