OlmoEarth v1.3 위성 임베딩과 전세계 지도 도구 공개

OlmoEarth v1.3 위성 임베딩과 전세계 지도 탐색 도구 공개

아티클로 돌아가기

엔터프라이즈 아티클

게시일 2026년 10월 22일

추천하기 1

Kyle Wiggers Ai2Comms

allenai

🤗 모델 | 📄 기술 보고서 | 📊 데이터 | 💻 코드 | 🌎 임베딩 탐색기 | 🗺️ 인터랙티브 스토리

오늘 우리는 최첨단 위성 임베딩 모델인 OlmoEarth v1.3을 공개합니다. OlmoEarth v1.3과 함께, 전 지구에 대한 사전 계산된 연간 임베딩(10m, 64차원 및 128차원)을 공유하며, 해당 임베딩을 바탕으로 지도를 탐색하고 맞춤 설정할 수 있는 새로운 브라우저 기반 도구인 OlmoEarth Embeddings Explorer도 제공합니다. 즉, 누구나 시간에 따른 변화를 추적하거나 유사한 장소를 찾는 등 다양한 작업에 OlmoEarth v1.3을 즉시 활용할 수 있습니다. 로그인도 필요 없고, 고급 기술 지식도 필요하지 않습니다.

지금까지 OlmoEarth를 사용하는 주된 방법은 OlmoEarth Studio에서 파인튜닝하는 것이었습니다. 즉, 각 작업마다 모델을 학습시키고 위성 이미지에 적용해 지도를 만드는 방식입니다. 이 과정에는 GPU 접근 권한과 이미지를 다운로드하고 저장할 수 있는 능력이 필요합니다. 임베딩 모델은 위성 데이터를 여러 작업에 저렴하게 재사용할 수 있는 바로 사용 가능한 특징으로 압축합니다.

OlmoEarth v1.3를 통해, 우리는 사용자들이 각자 가장 잘 맞는 방식으로 행성의 데이터 자산을 더 다양하게 탐색하고 활용할 수 있게 되어 매우 기쁩니다.

한 번 계산하고, 어디서나 재사용하기

임베딩은 모델이 수백만 장의 이미지에서 배운 내용을 나타냅니다. OlmoEarth v1.3은 1년치 레이더(Sentinel-1)와 다중분광(Sentinel-2 및 Landsat) 위성 시계열 데이터를 읽어, 지구상의 모든 10미터 픽셀에 대해 하나의 128차원 벡터를 생성합니다. 앞의 64개 차원만으로도 더 작은 임베딩으로 사용할 수 있습니다.

기반 모델과 전 지구 임베딩은 생성 비용이 많이 들기 때문에, 모두가 그 혜택에 접근할 수 있도록 전 지구 전체에 대해 이 임베딩을 계산해 Source Cooperative에 공개했습니다. 이를 바탕으로 작물 지도, 토지 피복 지도, 변화 분석은 가벼운 모델링 문제로 바뀝니다. 작은 분류기를 그 위에 학습시키고 로컬에서 실행하면 됩니다.

OlmoEarth v1.3이 임베딩을 만드는 방식: 비전 트랜스포머가 위성 데이터를 읽고, Attention Pooler가 이를 토지 조각별 하나의 벡터로 집계한 뒤, 선형 레이어가 이를 128개의 숫자로 줄입니다.

최첨단 임베딩

우리는 OlmoEarth v1.3의 임베딩을 AlphaEarth Foundations(AEF)와 Tessera v2와 비교해, 6개 대륙과 다양한 작업을 포괄하는 27개의 평가에서 성능을 측정했습니다. OlmoEarth의 128차원 임베딩은 27개 평가 중 20개에서 최고 점수를 기록하며 전체 1위를 차지했습니다. 절반 크기인 64차원 버전도 여전히 27개 평가 중 18개에서 선두를 유지합니다. 이 평가의 일환으로, 우리는 열대 농업을 위한 새로운 작물 유형 벤치마크인 PLANTEUR를 소개하며, 이 임베딩은 분류기가 한 번도 본 적 없는 지역으로의 일반화 성능이 가장 뛰어났습니다(PLANTEUR 기술 보고서는 여기에서 확인할 수 있습니다). 이 모든 것은 완전히 공개되어 있습니다. 모델 가중치, 사전학습 데이터, 사전학습 코드가 모두 공개됩니다.

실무적으로 이는 OlmoEarth 임베딩 위에서 학습한 작은 분류기만으로도 지상에 무엇이 있는지 지도화할 수 있다는 뜻입니다. 케냐의 소규모 농가 작물 분류, 다카 서쪽의 벽돌 가마 탐지, 인도네시아의 화재 피해 평가, 페루 아마존의 금 채굴 추적 등을 예로 들 수 있습니다.

Compared to previous generations of OlmoEarth models, OlmoEarth v1.3는 학습 비용이 가장 저렴한 모델이기도 했습니다. 지난 버전(v1.2) 대비 컴퓨팅 시간의 53%, 첫 버전(v1) 대비 18%만 사용했고, 탄소 배출량도 각각 50%와 22%였습니다. 또한 여전히 강력한 파인튜닝 모델로, 연구용 라벨과 파트너 라벨 전반에서 v1.2의 성능과 맞먹었습니다. 최신 모델은 이전 OlmoEarth 버전들과 같은 기반 위에 구축되었으며, 여러 작업에서 정확도를 포기하지 않으면서 임베딩을 가볍게 유지하도록 조정되었습니다. 그리고 이러한 효율화 작업은 앞으로 나올 버전들에도 이어집니다.

전체 결과와 방법론은 기술 보고서에 있습니다.

재현하려면, OlmoEarth v1.3 Base의 사전 학습은 최종 실행 기준 임대 H100 시간으로 대략 \$2,720 정도가 듭니다. 가중치, 데이터, 코드 모두 공개되어 있습니다.

한 장소, 아홉 해

2017년과 2020년 사이(왼쪽), 그리고 2020년과 2025년 사이(오른쪽)에 각 픽셀의 임베딩이 얼마나 바뀌었는지 보여줍니다. 자홍색이 가장 큰 변화입니다. 왼쪽: 채굴이 남동쪽으로 확산되며 오른쪽 아래의 큰 덩어리가 두드러집니다. 오른쪽: 그 모서리는 이제 잠잠해졌고, 변화는 서쪽의 오래된 채굴 지역으로 옮겨갔습니다. 일부는 재성장, 일부는 재채굴입니다. OlmoEarth Embeddings Explorer.에서 직접 살펴볼 수 있습니다.

페루 마드레 데 디오스 지역에서 라 팜파 주변의 불법 금광 채굴은 2017년과 2018년에 정점에 이르렀고, Amazon Conservation의 MAAP 모니터링 프로그램에 따르면 탐보파타 국립보호구역 완충지대의 숲 1,200헥타르 이상이 사라졌습니다. 2019년 2월, 페루의 오페라시온 메르쿠리오(Operation Mercurio)가 그 대부분을 중단시켰습니다. 그 이후로 남은 질문은, 정말로 계속 억눌렸는가 하는 점이었습니다.

임베딩이 그 답을 도와줍니다. 각 픽셀의 벡터를 연도별로 비교하면, 별도의 모델 학습 없이도 2017년에서 2020년으로의 비교에서 채굴이 남동쪽으로 퍼져 가던 구역이 밝게 드러납니다. 같은 방식으로 2020년과 2025년을 비교하면 신호가 바뀝니다. 단속의 흔적이 임베딩에 보입니다.

더 흥미로운 점은 두 번째 지도에 여전히 무엇이 보이느냐는 것입니다. 어두워지지 않았습니다. MAAP에 따르면 북서쪽의 일부 구역은 계속 운영되었고, 오래된 채굴 지역은 땅이 회복되면서 계속 변화하고 있습니다. 임베딩도 그 변화를 포착합니다. 잠깐의 소강상태였고, 압박은 다시 커지고 있습니다. 2026년 8월, Associated Press는 검찰이 채굴이 탐보파타 내부까지 들어간 사실을 확인한 뒤 페루가 해군 순찰대를 다시 보호구역으로 보냈다고 보도했습니다.

우리의 인터랙티브 스토리는 이 마드레 데 디오스 구간에서 시작해, 그곳의 여러 다른 사례들을 함께 살펴봅니다.

OlmoEarth 임베딩 탐색기

▶ 영상: https://cdn-uploads.huggingface.co/production/uploads/638e39b249de7ae552d977b5/P3Pgan0Th-gnUWMooU1Cs.mp4

OlmoEarth Embeddings Explorer는 임베딩 자체로 만든 대화형 분석 도구로, 지구를 거짓 색상 지도로 렌더링해 보여줍니다. 아무 곳이나 이동해 보고, 연도를 바꿔가며 경관이 어떻게 변했는지 확인하고, 아래의 Sentinel-2 이미지를 불러와 지도가 실제와 맞는지 비교해 보세요. 그런 다음 질문을 던져 보세요. 한 지점을 클릭해 비슷해 보이는 다른 곳을 찾거나, 라벨이 붙은 몇 개의 점을 찍어 그 자리에서 작은 분류기를 학습한 뒤 결과를 GeoTIFF로 내보낼 수 있습니다. 계정도, 설정도 필요 없습니다.

많은 팀에게 OlmoEarth를 상대로 아이디어를 시험하는 일은 몇 시간에 걸친 파인튜닝 작업을 의미했습니다. Explorer에서는 첫 시도가 몇 초면 끝납니다. GPU 없이도 몇 개의 라벨만으로 전체 지역을 분석할 수 있습니다. 어떤 작업에 파인튜닝이 필요할 때, 임베딩은 그 작업이 컴퓨팅 자원을 쓸 만한지, 그리고 모델이 어디에서 부족한지 판단하는 데 도움을 줍니다.

Explorer의 기반이 되는 아카이브에는 10미터 해상도의 임베딩이 들어 있으며, 연간 약 150TB 규모로 육지와 인접한 연안 해역을 포괄합니다. 출시 시점에는 2025, 2024, 2023년이 전 세계를 커버하며, 2017년부터 2022년까지는 일부 국가를 커버하고 있고, 더 많은 지역이 추가될 예정입니다. 임베딩은 전체 128차원 버전 또는 더 가벼운 64차원 버전으로 받을 수 있습니다. 각 임베딩에는 출처 기록도 함께 제공됩니다. 각 20킬로미터 타일과 연도별로, 공개 provenance 표에는 모델이 읽은 Sentinel-1, Sentinel-2, Landsat 장면이 나와 있으며, 이를 호스팅하는 공개 카탈로그로 연결되는 링크도 포함되어 있어 어떤 픽셀도 그 뒤에 있는 영상까지 추적할 수 있습니다.

시작하기

이번 릴리스에는 OlmoEarth v1.3 Base 모델, 사전 계산된 전역 임베딩, OlmoEarth Embeddings Explorer, 그리고 기술 보고서가 포함되어 있습니다. 작업에 특정 기간이 필요하다면, OlmoEarth Studio를 사용해 선택한 날짜, 모달리티, 해상도에 대해 동일한 모델을 실행할 수 있으며, 튜토리얼에서는 자체 컴퓨트에서 임베딩을 생성하는 방법을 보여 줍니다. 이 도구들은 서로 함께 작동합니다. Embeddings Explorer에서 살펴보고, 작업에 필요할 때 Studio에서 파인튜닝한 뒤, 거기서 얻은 지도를 활용하면 됩니다. 모든 항목은 v1과 v1.2와 동일한 오픈 라이선스인 OlmoEarth Artifact License로 공개됩니다.

관심 있는 장소의 임베딩을 가져와 질문을 던지고, 무엇을 발견했는지 보여 주세요.

출처

• 원문: https://huggingface.co/blog/allenai/olmoearth-v1-3 (2026-10-22 · huggingface.co)