위성 이미지와 생성형 AI로 보는 전 세계 도시 미래 설계

초록

본 연구는 텍스트 프롬프트와 지리·수치 제어를 결합한 멀티모달 확산 모델을 개발해, 전 세계 500대 메트로폴리탄 지역의 위성 영상을 고해상도·다양하게 합성한다. 생성된 이미지가 실제 도시 밀도·토지 이용·도로망 등과 일치함을 정량·정성 평가했으며, 잠재 표현을 활용해 도시 스타일 전이와 탄소배출 예측 등 다운스트림 과제에서도 성능 향상을 보였다.

상세 분석

이 논문은 기존 도시 분석이 ‘예측’에 머무는 한계를 지적하고, 도시 발전을 ‘생성’ 과정으로 재구성한다는 근본적인 전제를 제시한다. 핵심 기술은 Stable Diffusion을 기반으로 한 도메인‑특화 확산 모델이며, 세 가지 제어 축을 도입한다. 첫째, 인구·건물 부피·토지 이용 비율 등 5가지 정량 지표를 수치‑텍스트 인코더로 변환해 이미지 생성 과정에 직접 주입한다. 둘째, 디지털 고도 지도·도로망 등 공간 제약을 pseudo‑Siamese Mamba 네트워크로 인코딩해 지리적 일관성을 확보한다. 셋째, 자유형 텍스트(색상, 거리 형태, 건물 배치 등)를 RemoteCLIP 기반 텍스트 인코더에 연결해 세밀한 시각적 조정을 가능하게 한다.

데이터는 전 세계 500개 도시를 400 m × 400 m 격자로 나누어 약 100만 개의 샘플을 구축했으며, GHSL 등 고해상도 인구·건물 데이터와 Mapbox 위성 이미지를 결합했다. 모델은 20k~60k 스텝의 파인튜닝으로 FID 41.5, PSNR 11.23, LPIPS 0.544 등 기존 Stable Diffusion·ControlNet 대비 전반적인 품질 지표에서 우수함을 입증한다. 특히, 텍스트 프롬프트에 포함된 건물 커버 비율·부피 밀도 비율을 조절하면 생성 이미지에서 건물 높이·형태·산업 시설 비중이 일관되게 변하는 것을 정량적 회귀(ResNet‑50 기반)와 MAE, R²(예: BVD R² 0.871)로 검증했다.

인간 전문가 평가에서는 실제 위성 이미지와 생성 이미지를 구분하지 못할 정도의 실재감을 얻었으며, 토지 이용 비율을 반영한 경우 실제보다 더 정확한 매칭 점수를 기록했다. 잠재 공간 분석에서는 도시 간 스타일 전이가 가능함을 시각화했으며, 합성 데이터를 데이터 증강용으로 활용해 전 세계 화석 연료 탄소 배출 예측 모델의 RMSE를 감소시키는 등 다운스트림 과제에서도 실용성을 확인했다.

한계점으로는 (1) 고해상도 1 m 수준의 세부 묘사는 아직 부족하고, (2) 훈련 데이터의 지역 편향이 특정 문화·건축 양식에 과도히 최적화될 위험, (3) 생성 이미지의 윤리적·법적 활용(예: 가짜 위성 이미지)과 관련된 가이드라인 부재가 있다. 향후 연구는 멀티스케일 디테일 강화, 지역별 파인튜닝, 정책·시민 참여를 위한 인터랙티브 인터페이스 설계 등을 제안한다.