Ai2、地球全域を網羅する10m解像度の衛星埋め込みを備えたOlmoEarth V1.3を公開

Allen Institute for AIは2026年10月22日、OlmoEarth v1.3を公開した。これはオープンな衛星埋め込みモデルで、地球全域を対象とした10メートル解像度の年次埋め込みデータをあらかじめ生成して提供する。また、サインイン不要のブラウザー版「OlmoEarth Embeddings Explorer」も利用できる。

今回の公開には、OlmoEarth v1.3 Baseモデル、128次元版と64次元版の全地球事前計算済み埋め込みデータ、Explorer、技術レポートが含まれ、いずれもOlmoEarth v1およびv1.2で採用されたOlmoEarth Artifact Licenseの下で提供される。これまでOlmoEarthを利用するには、GPUへのアクセスとローカルでの画像保存が必要なOlmoEarth Studioでのファインチューニングが必要だった。一方、埋め込みモデルは衛星データをすぐに使える特徴量に圧縮し、さまざまなタスクで再利用できるようにする。

モデルカードによると、OlmoEarth-v1_3-Baseは、Sentinel-1、Sentinel-2、Landsatの画像または画像時系列を対象としたリモートセンシング用の、1億2,800万パラメーターを持つViT-Base基盤モデルである。また、1,430万パラメーターのPerceiverと、768次元のトークンを128次元に射影する10万パラメーターの線形スチューデントモデルも含む。同カードは、このスチューデントモデルを含む本モデルが、OlmoEarthの全地球年次埋め込みデータを生成したとしている。

モデルが埋め込みを生成する仕組み

OlmoEarth v1.3は、Sentinel-1のレーダー観測とSentinel-2およびLandsatのマルチスペクトル時系列データを1年分読み込み、地球上の10メートル四方のピクセルごとに128次元のベクトルを1つ生成する。最初の64次元だけでも、より小さな埋め込みとして利用できる。ビジョントランスフォーマーが衛星データを読み取り、Attention Poolerが出力トークンを集約して陸地のパッチごとに1つのベクトルを生成し、線形層がそのベクトルを128個の数値に圧縮する。技術レポートでは、バックボーンと同じ順伝播処理で同時に学習する単一の線形層をスチューデントモデルとする、Matryoshka方式の蒸留について説明している。レポートによると、この方法では蒸留にかかる追加コストは実質的にない。

レポートによると、ビジョントランスフォーマーとAttention Poolerを、出力解像度10メートルのままエンコーダー解像度20メートルで実行すると、トランスフォーマーを解像度10メートルで実行する場合に比べてコストを7.7分の1に抑えられる。ウィンドウあたりの演算量は308 GMACで、解像度10メートルの場合の2,378 GMACと比べて少ない。学習にはOlmoEarth v1.2と同じデータと手法を用いた。具体的には、Sentinel-1、Sentinel-2、Landsat-8の観測データと、WorldCover、WorldCereal、SRTM、OpenStreetMapなどの地図データを教師信号として使用し、AdamWオプティマイザーでバッチサイズ512、67万7,200ステップの学習を行った。

ベンチマーク結果とPLANTEURデータセット

Ai2によると、v1.3の埋め込みをAlphaEarth FoundationsおよびTessera v2と比較し、6大陸にわたる27件の評価を実施した。128次元版は27件中20件で最高スコアを記録し、64次元版は27件中18件で最高だった。技術レポートによると、128次元版はAEFの8つのデータセットのうち7つで両ベースラインを上回った（例外はエチオピアで、Tessera v2がOlmoEarth v1.3を上回った）。また、作物分類データセットPASTISでもTessera v2をわずかに上回り、mIoUは58.6対58.3だった。

今回の公開にあわせ、Ai2は熱帯農業向けの作物分類ベンチマーク「PLANTEUR」を発表した。このベンチマークは、フランス海外領土のマルティニーク、レユニオン、フランス領ギアナ、グアドループ、マヨットのラベルデータに基づいて構築されている。島を1つずつ除外する評価方式では、他の島で分類器を学習させ、対象の島での性能を検証する。Ai2によると、v1.3の埋め込みは、分類器が一度も見たことのない地域に最もよく汎化する。レポートに記載された、この島を1つずつ除外する評価での128次元版のmIoUは24.9で、Tessera v2の19.1、AlphaEarth Foundationsの15.8を上回った。

Ai2はまた、v1.3をファインチューニングにも優れたモデルと位置づけており、研究用およびパートナー提供のラベルデータ全体でv1.2と同等の性能を達成したとしている。レポートによると、評価対象となったすべてのモデルとタスクにおけるv1.3のファインチューニング順位の平均は4.34で、OlmoEarth v1.2 Baseの4.02に次ぎ、OlmoEarth v1 Baseの4.74を上回った。

学習コストと環境への影響

Ai2は、OlmoEarth v1.3を学習コストが最も低いOlmoEarthモデルとして紹介している。必要な計算時間はv1.2の53％、v1の18％で、二酸化炭素排出量はそれぞれ50％、22％だった。Ai2の試算では、OlmoEarth v1.3 Baseの事前学習を再現する場合、最終実行分のH100をレンタルする費用は約2,720ドルとなる。

レポートの環境影響表によると、OlmoEarth v1.3 Baseの事前学習に要したのは、H100 GPU時間539時間、161 kWh、0.07 tCO2eqだった。これに対し、v1.2 BaseはGPU時間1,012時間、0.14 tCO2eq、v1 BaseはGPU時間2,989時間、0.32 tCO2eqだった。埋め込みデータそのものの生成には、これを大きく上回る計算量が必要となる。レポートでは、全地球を対象とした1年分の埋め込み生成に約14,000 H100時間かかり、事前学習コストのおよそ26倍に達すると推定している。

全地球アーカイブ、Explorer、ライセンス

Explorerを支えるアーカイブには、10メートル解像度の埋め込みデータが収録されており、陸地とその周辺の沿岸水域を対象に、年間およそ150 TBに及ぶ。公開時点では、2025年、2024年、2023年のデータは全地球を網羅し、2017年から2022年までのデータは一部の国を対象としている。対象地域の拡大も進められている。レポートによると、2017年から2025年までのデータセット全体は1ペタバイトを大きく超え、南緯59.5度から北緯83.6度までを対象とし、南極大陸は含まない。また、公開された埋め込みデータでは、Searchlightによる推論処理によってタイル状の継ぎ目に起因するアーティファクトが取り除かれたという。

埋め込みデータはSource CooperativeでZarrストアとしてホストされており、APIキーやタイルサーバーを必要とせず、任意のZarrクライアントでオブジェクトストレージから直接読み取れます。GeoParquet形式で公開されたオープンな来歴テーブルには、各20キロメートルタイルと各年の基になったSentinel-1、Sentinel-2、Landsatのシーンが記載されています。レポートによると、2025年分は約450,000のウィンドウ、2,100万件のモザイクエントリー、730,000のシーンで構成されています。

Explorerでは、埋め込みデータを地球の偽色地図として表示します。ユーザーは年を切り替えたり、元となるSentinel-2の画像を表示したり、地図上の地点をクリックして類似した場所を探したりできます。また、少数のラベル付き地点から小規模な分類器を学習させ、その結果をGeoTIFFとしてエクスポートすることもでき、アカウントは必要ありません。Ai2の発表では、ペルーのマードレ・デ・ディオス地域で行われている違法な金採掘を例に、この手法を紹介しています。発表によると、ラ・パンパ周辺の採掘は2017年と2018年にピークを迎え、ペルーの「マーキュリー作戦」によって2019年2月にその大半が停止されました。また、2017～2020年と2020～2025年の埋め込みデータを比較すると、初期の拡大と、かつての採掘区域で変化が続いていることが分かります。発表ではさらに、検察当局が採掘活動のタンボパタ保護区内への侵入を確認したことを受け、ペルーが2026年8月に海軍の哨戒部隊を保護区に再派遣したとしています。

特定の期間を対象とする必要がある作業には、OlmoEarth Studioを使うと、ユーザーが選んだ日付、モダリティ、解像度で同じモデルを実行できます。また、チュートリアルでは、ユーザー自身の計算環境で埋め込みデータを生成する方法を紹介しています。技術レポートによると、OlmoEarth Artifact Licenseは、軍事、防衛関連、採掘産業への応用における使用を制限しています。モデルカードにはさらに、このモデルはAi2の「責任ある利用に関するガイドライン」に従って使用することを想定していると記されています。