화성 지형의 자연어 기반 전구적 매핑

Natural Language-Driven Global Mapping of Martian Landforms

행성 표면은 통상 자연어 기반의 고차원적 의미 개념을 통해 분석되지만, 방대한 궤도 이미지 아카이브는 여전히 픽셀 수준으로 구성되어 있습니다. 이러한 불일치는 행성 표면에 대한 확장 가능하고 개방적인 탐사를 제한합니다. 이에 본 연구에서는 화성 지형에 대해 자연어 구동형, 비지도(label-free) 매핑을 가능케 하는 행성 규모의 비전-언어 프레임워크인 MarScope를 소개합니다. MarScope는 20만 개 이상의 선별된 이미지-텍스트 쌍으로 훈련되어 행성 이미지와 텍스트를 공유 의미 공간에 정렬합니다. 이 프레임워크는 미리 정의된 분류 방식을 유연한 의미 검색으로 대체하여 화성 전역의 지형 매핑 방식을 변화시켰으며, 최대 0.978의 F1 점수로 행성 전체에 대한 임의의 사용자 질의를 5초 이내에 수행할 수 있습니다. 더 나아가, 이 기술이 단순한 형태학적 분류를 넘어 행성 규모의 과정 중심 분석 및 유사성 기반 지형 매핑을 촉진함을 응용 사례를 통해 보여줍니다. MarScope는 자연어가 대규모 지리공간 데이터셋을 통한 과학적 발견의 직접적인 인터페이스가 되는 새로운 패러다임을 정립합니다.

Planetary surfaces are typically analyzed using high-level semantic concepts in natural language, yet vast orbital image archives remain organized at the pixel level. This mismatch limits scalable, open-ended exploration of planetary surfaces. Here we present MarScope, a planetary-scale vision-language framework enabling natural language-driven, label-free mapping of Martian landforms. MarScope aligns planetary images and text in a shared semantic space, trained on over 200,000 curated image-text pairs. This framework transforms global geomorphic mapping on Mars by replacing pre-defined classifications with flexible semantic retrieval, enabling arbitrary user queries across the entire planet in 5 seconds with F1 scores up to 0.978. Applications further show that it extends beyond morphological classification to facilitate process-oriented analysis and similarity-based geomorphological mapping at a planetary scale. MarScope establishes a new paradigm where natural language serves as a direct interface for scientific discovery over massive geospatial datasets.