원격 탐사는 위성, 항공 및 드론 영상을 분석하여 토지 피복, 환경 모니터링, 지리 공간 이해 및 지구 관측을 수행하는 핵심 첨단 기술입니다. 이는 인간의 지구 관측이 지리적 한계로 인해 발생하는 "거시적 관점의 부족과 데이터 획득의 어려움"이라는 문제를 해결하는 데 주력합니다. 이 기술은 위성, 항공 및 드론 영상을 분석하여 대상과의 물리적 접촉 없이 토지 피복 및 환경 정보를 획득함으로써 현장 조사 없이도 동시적인 폐쇄 루프 방식의 지리 공간 이해를 실현합니다. 일반적으로 위성, 항공기 및 드론에 탑재된 광학, 레이더, 적외선 및 초분광 센서를 활용하여 대상에서 반사되거나 방출되는 전자기파를 수신하고 데이터를 분석하여 지형적 특징을 식별하고 환경 변화를 모니터링합니다.

원격 탐사는 원래 인공지능 분야에서 제안된 개념이 아니라 지구과학, 측량 및 공간 정보 분야에서 유래했습니다. 1950년대에 미국 해군 연구소(ONR)의 지리학자들이... 에블린 L. 프루이트 '원격 탐사'라는 용어는 지구에 대한 정보를 물리적 접촉 없이 획득하는 방법을 설명하기 위해 만들어졌습니다. 에블린 L. 프루이트의 원격 탐사 개념은 오늘날 인공지능 분야의 '원격 탐사'와는 직접적인 관련이 없습니다. 당시에는 인공지능과 딥러닝이 아직 발전하지 않았기 때문에 원격 탐사는 주로 항공 사진, 물리 모형, 수동 해석 및 전통적인 통계 분석 방법에 의존했습니다. 1972년 NASA가 랜드샛-1과 같은 지구 관측 위성을 발사하면서 원격 탐사는 점차 현대 지구 관측 시스템으로 발전하여 지구 환경, 자원 및 지리 정보를 획득하는 데 중요한 기술이 되었습니다.

2012년 합성곱 신경망(CNN)이 컴퓨터 비전 분야에서 획기적인 발전을 이룬 이후, 인공지능(AI)은 원격 탐사 영상 분류, 객체 탐지, 의미론적 분할, 변화 탐지 등 다양한 분야에 널리 적용되어 왔습니다. 최근에는 대규모 모델 기술의 발전과 함께 원격 탐사 기초 모델, 지리 공간 인공지능(GeoAI), 다중 모드 지구 관측 모델 등 더욱 심화된 연구 분야로 연구가 확장되고 있습니다.

인공지능 원격 감지 분야의 대표적인 연구 성과로는 딥러닝 시각 모델 개발을 촉진하고 원격 감지 이미지의 지능형 분석을 위한 기술적 기반을 제공한 2012년의 AlexNet, 시각 작업에 Transformer를 도입하고 원격 감지 시나리오에서의 활용을 촉진한 2020년의 Vision Transformer(ViT), 그리고 IBM과 NASA가 공동으로 2023년에 발사한 위성이 있습니다. 프리트비 대규모 사전 학습 모델을 위성 원격 탐사 데이터 분석에 적용하는 지구 관측 기본 모델은 원격 탐사 기본 모델의 중요한 대표적인 사례로 자리 잡았습니다. 관련 논문으로는 다음과 같은 것들이 있습니다... 범용 지리공간 인공지능을 위한 기초 모델(2023)기다리다.