지구 전체 위성 1년치를 숫자 128개로 — Ai2 'OlmoEarth v1.3'와 브라우저 탐색기
10m 칸마다 1년치 위성 자료를 숫자 128개로 줄인 '임베딩'을 지구 전체에 미리 계산해 공개했어요. 브라우저 탐색기에서 GPU 없이, 계정 없이 비슷한 곳 찾기 · 연도 비교 · 간단한 분류를 해 볼 수 있어요.
- Ai2가 10월 22일(미국 시간) 위성 임베딩 모델 OlmoEarth v1.3을 공개했어요. 1년치 레이더(Sentinel-1)와 다중분광(Sentinel-2 · Landsat) 위성 자료를 읽어, 10m 칸마다 숫자 128개(앞 64개만 따로 써도 됨)로 바꿔요.
- 2025 · 2024 · 2023년은 지구 전체, 2017~2022년은 일부 나라를 미리 계산해 Source Cooperative에 올렸어요(연도마다 약 150TB). 모델 가중치 · 학습 데이터 · 코드도 OlmoEarth Artifact License로 공개했어요.
- AlphaEarth Foundations · Tessera v2와 27개 평가로 비교해 128차원판이 20개, 64차원판이 18개에서 가장 높았다고 Ai2는 밝혔어요. 브라우저용 'OlmoEarth Embeddings Explorer'는 계정 · 설치 없이, GPU 없이 써요.
위성 지도로 농지 · 숲 · 개발 지역을 나누는 기능이 필요하다면, 직접 모델을 미세조정하기 전에 미리 계산된 128차원 임베딩으로 먼저 분류해 보고 '미세조정까지 할 가치가 있나'를 가늠할 수 있어요. 임베딩 만드는 법은 rslearn 저장소의 튜토리얼에 있어요.
환경 · 지리 콘텐츠를 만든다면 탐색기의 '연도 비교'로 한 지역이 몇 년 사이 어떻게 바뀌었는지 화면으로 보여 줄 수 있어요. 공식 예시에 화산 분출(스페인 라팔마) · 댐 철거(미국 클래머스강)가 있어요.
점 몇 개에 이름표를 찍고 브라우저에서 작은 분류기를 돌려 지역 지도를 GeoTIFF로 받을 수 있어요. 농업 · 부동산 · 지역 조사 기획의 첫 그림을 GPU 없이 그려 볼 수 있어요.
1. 브라우저에서 olmoearth.allenai.org/embeddings 를 열어요(계정 필요 없음). 2. 왼쪽에서 'Find similar places' · 'Classify your area' · 'Compare years' 중 하나를 골라요. 처음이면 'Try an example'의 예시부터. 3. 'Classify your area'에선 점 몇 개에 이름표를 찍어 분류기를 돌리고, 결과를 GeoTIFF로 내려받아요. 4. 더 깊게 쓰려면 Hugging Face의 allenai/OlmoEarth-v1_3-Base 모델 카드에 걸린 튜토리얼을 따르세요.
당장 쓸 곳은 적어 보여요. 다만 지역 · 환경 이야기를 다룬다면, 탐색기의 연도 비교 화면을 '몇 년 사이 이렇게 바뀌었어요' 장면 자료로 써 보면 좋을 것 같아요.
Ai2(앨런 인공지능 연구소)가 10월 22일(미국 시간) 블로그 「OlmoEarth v1.3: State-of-the-art embeddings for the whole planet」에서 위성 임베딩 모델 OlmoEarth v1.3과, 지구 전체에 미리 계산해 둔 연간 임베딩, 그리고 브라우저 도구 OlmoEarth Embeddings Explorer를 함께 공개했어요.
무엇을 만드나 — 10m 칸마다 숫자 128개
임베딩(embedding)은 많은 자료를 '특징을 담은 숫자 묶음'으로 줄인 것이에요. OlmoEarth v1.3은 1년치 레이더 위성(Sentinel-1)과 다중분광 위성(Sentinel-2 · Landsat) 시계열 자료를 읽어, 지구의 10m 칸마다 128차원 벡터(숫자 128개) 하나를 만들어요. 앞쪽 64개 숫자만 떼어서 더 작은 임베딩으로 써도 된다고 Ai2는 설명해요.
구조는 비전 트랜스포머(그림을 읽는 AI 모델)가 위성 자료를 읽고, Attention Pooler가 땅 한 칸마다 벡터 하나로 모은 뒤, 선형 층이 숫자 128개로 줄이는 방식이에요. Hugging Face 모델 카드에는 ViT-Base 인코더가 약 128M 파라미터라고 적혀 있어요.
지구 전체를 미리 계산해 공개
Ai2는 이 임베딩을 지구 전체에 대해 미리 계산해 Source Cooperative에 올렸어요. 해상도는 10m, 연도마다 약 150TB이고 육지와 가까운 연안 바다까지 담았어요. 공개 시점 기준으로 2025 · 2024 · 2023년은 지구 전체, 2017~2022년은 일부 나라이며 더 늘릴 예정이라고 해요. 128차원 전체판이나 64차원 가벼운 판 중에서 골라 받을 수 있어요.
지금까지 OlmoEarth를 쓰는 주된 방법은 OlmoEarth Studio에서 작업마다 모델을 미세조정하는 것이었고, 여기엔 GPU와 위성 영상을 내려받아 저장할 능력이 필요했다고 Ai2는 짚었어요. 미리 계산된 임베딩은 이 단계를 건너뛰게 해 줘요.
브라우저 탐색기 — 계정 · 설치 · GPU 없이
Embeddings Explorer는 임베딩을 거짓 색(false-color) 지구 지도로 보여 줘요. 비슷한 색은 비슷한 곳이라는 뜻이에요.
- 지도를 움직이고 연도를 바꿔 가며 풍경이 어떻게 바뀌었는지 봐요.
- 그 자리의 Sentinel-2 실제 위성 영상을 불러와 지도와 맞춰 봐요.
- 한 곳을 누르면 비슷해 보이는 다른 곳을 찾아요.
- 이름표 붙인 점 몇 개를 찍어 그 자리에서 작은 분류기를 학습하고, 결과를 GeoTIFF(지도 좌표가 든 그림 파일)로 내보내요.
Ai2는 "No account, no setup required"라고 밝혔고, 미세조정은 몇 시간 단위인데 탐색기에선 첫 결과가 몇 초면 나오며 "no GPU needed"라고 적었어요.
평가 — 27개 중 20개에서 1위
Ai2는 AlphaEarth Foundations(AEF), Tessera v2와 여섯 대륙 · 여러 작업에 걸친 27개 평가로 비교했어요. 128차원판은 27개 중 20개에서 가장 높고 전체 순위도 1위, 크기가 절반인 64차원판도 18개에서 앞섰다고 밝혔어요. 이 평가에 쓰려고 열대 농업 작물 종류를 맞히는 새 벤치마크 PLANTEUR도 냈어요.
학습 비용 — 빌린 H100으로 약 2,720달러
Ai2에 따르면 OlmoEarth v1.3 Base의 마지막 사전학습 한 번을 빌린 H100으로 다시 하면 약 2,720달러가 들어요(8-GPU 노드 하나로 3일이 안 걸림 · 실험 · 데이터 준비 · 저장 비용은 뺀 값). 같은 기준으로 v1 Base는 15,060달러(약 15.6일), v1.2 Base는 5,100달러(약 5.3일)였어요. 계산 시간은 v1.2의 53%, v1의 18%였고, 탄소 배출은 v1.2의 50%, v1의 22%였다고 해요.
라이선스
모델 가중치 · 사전학습 데이터 · 코드가 모두 공개됐고, v1 · v1.2와 같은 OlmoEarth Artifact License를 따라요. 가중치는 Hugging Face(allenai/OlmoEarth-v1_3-Base), 코드는 GitHub(allenai/olmoearth_pretrain)에 있어요.
