분석의 시작은 사진 속 세 개의 지형이 이루는 삼각형이었다

이번 사례는 메타데이터가 완전히 삭제된 리조트 사진 한 장으로 정확한 좌표를 찾아내는 OSINT(Open Source Intelligence) 챌린지 해결 과정을 담고 있다. 분석가는 구글 렌즈와 같은 AI 시각 검색 도구 대신, 기하학적 계산과 프로그래밍을 통한 결정론적 접근 방식을 택했다. 먼저 사진에 등장하는 세 개의 육지 덩어리를 점으로 설정해 이들이 이루는 삼각형의 각도와 거리 비율을 측정해 '지문(Fingerprint)'을 생성했다.

방대한 전 지구적 지형 데이터에서 이 지문과 일치하는 곳을 찾기 위해 OpenStreetMap의 'land-polygons-split-4326' 데이터셋(882MB)을 활용했다. 위도 -30°에서 30° 사이의 열대 지역으로 범위를 좁히고, 20km 이내에 3개 이상의 육지가 모여 있는 클러스터를 추출했다. 이 과정에서 생성된 후보 삼각형 조합은 총 80,690,777개에 달했다.

8,000만 개가 넘는 조합을 빠르게 처리한 것은 CUDA 스레드다. 각 조합에 하나의 CUDA 스레드를 할당해 육지 면적순으로 정렬하고, 외적(Cross Product)을 이용해 방향성을 설정한 뒤 각도와 거리 비율을 계산했다. 이 병렬 연산을 통해 1차적으로 8,915개의 유니크한 후보군이 남았으며, 이후 개방 수역 확인과 폴스비-포퍼(Polsby-Popper) 점수를 이용한 산호초 섬 특유의 원형 형태 분석을 거쳐 후보를 213개까지 압축했다.

최종 검증은 위성 데이터와 고도 데이터의 결합으로 이뤄졌다. Element84의 STAC API를 통해 Sentinel-2 위성 영상을 호출하고, 정규식생지수(NDVI)를 계산해 해당 지점에 실제 야자수와 같은 식생이 존재하는지 확인했다. 마지막으로 EU의 Copernicus DEM GLO-30 고도 데이터를 통해 섬의 높이가 50m 이하이고, 카메라가 바라보는 방향에 100~500m 높이의 지형이 있는지 대조했다. 그 결과 미크로네시아에 위치한 리조트의 정확한 좌표(7.363444°, 151.755750°)를 도출했다.

오픈 지리 데이터의 채택과 병렬 연산의 결합

이번 사례에서 주목할 지점은 고가의 상용 솔루션 없이 오픈 데이터 표준과 GPU 가속 연산만으로 정밀한 지리적 추론이 가능하다는 점을 증명했다는 것이다. 특히 STAC(SpatioTemporal Asset Catalog) API와 클라우드 최적화 GeoTIFF(COG) 형식을 채택해, 대용량 위성 영상 전체를 다운로드하지 않고 필요한 픽셀의 값만 샘플링해 NDVI를 계산하는 효율적인 파이프라인을 구축했다.

이는 최근 지리정보시스템(GIS) 분야에서 데이터 접근 방식이 '파일 다운로드'에서 'API 기반 쿼리'로 이동하고 있음을 보여준다. 분석가는 AWS Open Data 프로그램에서 제공하는 무료 리소스를 활용해 벡터 데이터(OpenStreetMap), 래스터 데이터(Sentinel-2), 고도 데이터(Copernicus DEM)를 계층적으로 쌓아 올렸다. 각 단계에서 휴리스틱 필터를 적용해 데이터 양을 획기적으로 줄이고, 계산 집약적인 구간에만 CUDA를 투입해 처리 시간을 단축한 설계가 핵심이다.

결과적으로 이번 접근은 AI의 확률적 추론이 주는 '그럴듯한 답' 대신, 기하학과 물리적 수치에 기반한 '검증 가능한 답'을 찾는 경로를 제시했다. 시장 참여자들에게는 단순한 이미지 검색을 넘어, 공개된 다층적 지리 데이터를 어떻게 조합하고 필터링하느냐에 따라 분석의 정밀도가 결정된다는 선택지를 제공한다.

한국 AI 및 데이터 실무자가 관찰해야 할 지점

국내의 공간 정보 분석가나 개발자가 이 사례에서 가져갈 수 있는 실무적 산출물은 '다층 필터링 파이프라인'의 구조다. 단순히 고성능 모델에 데이터를 넣는 것이 아니라, [범위 제한 $

ightarrow$ 기하학적 필터링 $

ightarrow$ 병렬 연산 $

ightarrow$ 물리적 특성 검증 $

ightarrow$ 시각적 확인]으로 이어지는 단계적 압축 과정은 대규모 데이터셋 처리 시 비용과 시간을 줄이는 표준 모델이 될 수 있다.

특히 주목해야 할 기술적 장치는 다음과 같다. 첫째, 폴스비-포퍼 점수와 같은 기하학적 지표를 통해 대상의 형태적 특징을 수치화해 필터링한 점이다. 둘째, NDVI와 같은 분광 지수를 활용해 위성 영상의 픽셀 값만으로 지표면의 상태(식생 여부)를 판별한 점이다. 셋째, CUDA를 이용해 수천만 개의 조합론적 문제를 병렬로 처리해 탐색 시간을 극단적으로 줄인 점이다.

실무자는 앞으로 AI 기반의 자동화 도구가 제공하지 못하는 '근거 있는 추론'이 필요한 영역에서, 이러한 오픈 데이터 조합 능력이 핵심 경쟁력이 될 것임을 인지해야 한다. 특히 AWS Open Data나 Copernicus와 같은 글로벌 공공 데이터셋의 API 활용 능력을 확보하는 것이 분석의 범위와 속도를 결정짓는 변수가 될 것이다.