Ai2, 전 세계 1,000만 개 위성 임베딩을 포함한 OlmoEarth V1.3 출시

Allen Institute for AI는 2026년 10월 22일 OlmoEarth v1.3을 출시했다. 이 모델은 공개 위성 임베딩 모델로, 전 세계를 대상으로 10미터 해상도에서 미리 계산한 연간 임베딩과 로그인 없이 이용할 수 있는 브라우저 기반 OlmoEarth Embeddings Explorer를 함께 제공한다.

이번 출시에는 OlmoEarth v1.3 Base 모델, 128차원 및 64차원 버전으로 제공되는 전 세계 사전 계산 임베딩, Explorer, 기술 보고서가 포함된다. 모두 OlmoEarth v1 및 v1.2에 사용된 OlmoEarth Artifact License에 따라 제공된다. 이전에는 OlmoEarth를 사용하려면 GPU에 접근할 수 있어야 하고 이미지를 로컬에 저장해야 하는 OlmoEarth Studio에서 미세 조정을 해야 했다. 반면 임베딩 모델은 위성 데이터를 바로 사용할 수 있고 여러 작업에 재사용할 수 있는 특성으로 압축한다.

모델 카드에 따르면 OlmoEarth-v1_3-Base는 Sentinel-1, Sentinel-2, Landsat 영상 또는 영상 시계열을 원격 탐사하는 1억 2,800만 개 매개변수의 ViT-Base 기반 모델이다. 또한 1,430만 개 매개변수의 Perceiver와 768차원 토큰을 128차원으로 투영하는 10만 개 매개변수의 선형 학생 모델도 포함한다. 모델 카드에는 학생 모델을 포함한 이 모델이 OlmoEarth의 전 세계 연간 임베딩을 생성했다고 명시돼 있다.

모델이 임베딩을 생성하는 방식

OlmoEarth v1.3은 Sentinel-1 레이더와 Sentinel-2 및 Landsat 다중분광 시계열의 1년치 데이터를 읽어 지구상의 10미터 픽셀마다 128차원 벡터 하나를 생성한다. 앞의 64개 차원만으로도 더 작은 임베딩으로 사용할 수 있다. 비전 트랜스포머가 위성 데이터를 읽고, 어텐션 풀러가 출력 토큰을 모아 지표면의 각 패치에 대해 벡터 하나를 만든 뒤, 선형 계층이 그 벡터를 128개 숫자로 축소한다. 기술 보고서에는 백본과 함께 동일한 순전파 과정에서 학습하는 단일 선형 계층 학생 모델을 사용한 Matryoshka 방식의 증류가 설명돼 있다. 보고서에 따르면 이 방식에서는 증류에 드는 추가 비용이 사실상 없다.

보고서에 따르면 비전 트랜스포머와 어텐션 풀러를 인코더 해상도 20미터, 출력 해상도 10미터로 실행하면 트랜스포머를 10미터 해상도로 실행할 때보다 비용이 7.7배 적게 든다. 윈도당 연산량은 각각 308 GMAC와 2,378 GMAC이다. 학습에는 OlmoEarth v1.2와 동일한 데이터 및 학습 방법을 사용했다. 여기에는 WorldCover, WorldCereal, SRTM, OpenStreetMap 등의 지도 기반 목표 데이터와 Sentinel-1, Sentinel-2, Landsat-8 관측 자료가 포함된다. AdamW 옵티마이저를 사용해 배치 크기 512로 667,200단계 학습했다.

벤치마크 결과와 PLANTEUR 데이터셋

Ai2는 6개 대륙에서 27개 평가 항목을 대상으로 v1.3 임베딩을 AlphaEarth Foundations 및 Tessera v2와 비교했다고 보고했다. 128차원 임베딩은 27개 항목 중 20개에서 가장 높은 점수를 받았고, 64차원 버전은 27개 중 18개에서 가장 높은 점수를 기록했다. 기술 보고서에 따르면 128차원 임베딩은 AEF 데이터셋 8개 중 7개에서 두 기준 모델보다 우수했다. 예외는 에티오피아로, 이곳에서는 Tessera v2가 OlmoEarth v1.3보다 나은 성능을 보였다. 또한 PASTIS 작물 유형 데이터셋에서는 Tessera v2를 근소하게 앞섰으며, mIoU는 58.6 대 58.3이었다.

Ai2는 이번 출시와 함께 열대 농업의 작물 유형을 평가하는 벤치마크 PLANTEUR도 공개했다. 이 벤치마크는 프랑스 해외 영토인 마르티니크, 레위니옹, 프랑스령 기아나, 과들루프, 마요트의 라벨을 바탕으로 구축됐다. 섬 하나를 제외하고 나머지 섬의 데이터로 분류기를 학습한 뒤 제외한 섬에서 성능을 평가하는 방식이며, Ai2는 v1.3 임베딩이 분류기가 한 번도 접하지 않은 지역에 가장 잘 일반화된다고 밝혔다. 보고서에 따르면 섬 하나를 제외하는 평가에서 128차원 임베딩의 mIoU는 24.9로, Tessera v2의 19.1과 AlphaEarth Foundations의 15.8보다 높았다.

Ai2는 또한 v1.3이 강력한 미세 조정 모델로서 연구용 라벨과 파트너 제공 라벨 전반에서 v1.2와 대등한 성능을 보인다고 설명한다. 보고서에서 평가 대상인 모든 모델과 작업을 기준으로 산출한 v1.3의 평균 미세 조정 순위는 4.34였다. OlmoEarth v1.2 Base는 4.02로 더 앞섰고, OlmoEarth v1 Base는 4.74로 뒤처졌다.

학습 비용과 환경 영향

Ai2는 OlmoEarth v1.3을 학습 비용이 가장 저렴한 OlmoEarth 모델로 소개한다. 학습에 필요한 컴퓨팅 시간은 v1.2의 53%, v1의 18%이며, 탄소 배출량은 각각 50%와 22%다. Ai2는 OlmoEarth v1.3 Base의 사전 학습을 재현할 경우 최종 실행에 필요한 H100 대여 비용이 약 2,720달러라고 추산한다.

보고서의 환경 영향 표에 따르면 OlmoEarth v1.3 Base의 사전 학습에는 H100 GPU 539시간, 161kWh, 0.07tCO2eq가 사용됐다. 이에 비해 v1.2 Base는 GPU 1,012시간과 0.14tCO2eq, v1 Base는 GPU 2,989시간과 0.32tCO2eq를 기록했다. 임베딩 자체를 계산하는 데 드는 비용은 훨씬 더 크다. 보고서는 전 세계 1년치 임베딩 생성에 H100 기준 약 14,000시간이 필요하며, 이는 사전 학습 비용의 약 26배라고 추산한다.

전 세계 아카이브, Explorer, 라이선스

Explorer의 기반이 되는 아카이브에는 10미터 해상도의 임베딩이 저장돼 있으며, 육지와 인접 연안 해역을 대상으로 연간 약 150TB에 이른다. 출시 시점에는 2025년, 2024년, 2023년 데이터가 전 세계를 대상으로 제공되며, 2017년부터 2022년까지는 일부 국가만 포함한다. 대상 지역은 계속 확대되고 있다. 보고서에 따르면 2017년부터 2025년까지의 전체 데이터셋은 1페타바이트를 훨씬 넘으며, 남위 59.5도에서 북위 83.6도까지를 포괄하고 남극은 제외한다. 또한 공개된 임베딩에서는 Searchlight 추론을 통해 타일 경계 인공물이 제거됐다고 밝혔다.

임베딩은 Source Cooperative에서 Zarr 저장소로 호스팅되며, API 키나 타일 서버 없이도 Zarr 클라이언트로 객체 스토리지에서 직접 읽을 수 있습니다. GeoParquet 형식으로 공개된 출처 정보 테이블에는 각 20킬로미터 타일과 연도에 포함된 Sentinel-1, Sentinel-2, Landsat 장면이 나열되어 있습니다. 보고서에 따르면 2025년에는 윈도우 약 450,000개, 모자이크 항목 2,100만 개, 장면 730,000개가 기록되었습니다.

Explorer는 임베딩을 행성의 위색상 지도로 보여 줍니다. 계정 없이도 연도별로 전환하고, 기반이 된 Sentinel-2 이미지를 불러오고, 위치를 클릭해 비슷한 장소를 찾고, 라벨이 지정된 지점 몇 개로 간단한 분류기를 학습시키고, 결과를 GeoTIFF로 내보낼 수 있습니다. Ai2의 발표에서는 페루 마드레데디오스 지역의 불법 금 채굴 사례를 통해 이 접근법을 설명합니다. 게시물에 따르면 라팜파 주변의 채굴은 2017년과 2018년에 정점에 달했고, 페루의 오퍼레이션 메르쿠리오는 2019년 2월 채굴 대부분을 중단시켰습니다. 또한 2017~2020년과 2020~2025년의 임베딩을 비교하면 채굴이 앞서 확산된 양상과 과거 채굴 지역에서 계속된 변화를 확인할 수 있다고 합니다. 검찰이 채굴이 탐보파타 보호구역 안쪽까지 확산된 사실을 밝혀낸 뒤, 페루는 2026년 8월 해군 순찰대를 보호구역에 다시 보냈다고 게시물은 덧붙입니다.

특정 기간의 데이터가 필요한 작업에는 OlmoEarth Studio를 사용해 사용자가 선택한 날짜, 데이터 유형, 해상도로 동일한 모델을 실행할 수 있으며, 튜토리얼에서는 사용자가 자신의 컴퓨팅 환경에서 임베딩을 생성하는 방법을 안내합니다. 기술 보고서에 따르면 OlmoEarth Artifact License는 군사, 국방 관련 및 자원 채굴 산업 분야의 활용을 제한합니다. 모델 카드에는 모델을 Ai2의 Responsible Use Guidelines에 따라 사용하도록 설계했다고 명시되어 있습니다.