OlmoEarth v1.3、地球全体のオープン衛星埋め込みベクトルを提供

Hugging Faceは、衛星画像からベクトル埋め込みを生成する新たな最先端モデル「OlmoEarth v1.3」をリリースしました。モデルの重みとともに、チームは地球全体に対する年次事前計算埋め込みと、ブラウザベースの探索ツールも公開しました。このリリースは、重い計算リソースの必要性を取り除くことで、地理空間データを扱う開発者や研究者にとっての参入障壁を下げることを目的としています。

何が起きたか

今回のリリースの中核は、OlmoEarth v1.3モデルです。このモデルは、衛星の時系列データをコンパクトで再利用可能な特徴ベクトルに変換します。従来のバージョンでは、ユーザーが大量のGPUパワーを使って生画像上でモデルをファインチューニングする必要がありましたが、このバージョンではすぐに使える埋め込みが提供されます。Hugging Faceは、地球上のすべての10メートルピクセルについて複数年分の埋め込みを計算し、Source Cooperativeを通じて利用可能にしました。また、コードを書いたりインフラストラクチャを管理したりせずに、時間経過による変化を可視化し、単純な分類器を訓練できるインタラクティブなWebツール「OlmoEarth Embeddings Explorer」も含まれています。

このアプローチにより、ワークフローは大規模なビジョンモデルを一から訓練することから、既存の特徴量の上で軽量なモデリングを行うことへとシフトします。開発者は、提供されたベクトルに対して小さな分類器を訓練することで、作物マッピング、土地被覆分類、変化検出などのアプリケーションを構築できるようになります。チームは、AlphaEarth FoundationsやTessera v2などの競合他社に対し、27の異なるベンチマークで新しい埋め込みを評価しました。OlmoEarth v1.3は総合スコアで最高得点を記録し、128次元ベクトルでは27の評価中20件で、より小さい64次元バリアントでは18件の評価でリードしました。

このリリースは、オープン性と効率性を強調しています。すべてのモデル重み、事前学習データ、およびコードは、OlmoEarth Artifact Licenseの下で一般公開されています。チームによると、OlmoEarth v1.3の訓練は以前のイテレーションと比較して大幅に安価かつエネルギー効率的であり、バージョン1.2の計算時間の53%、バージョン1の18%しか消費していません。この効率性により、他の組織でも結果を再現することが現実的になり、最終的な訓練ランのコストはレンタルしたH100 GPU時間で約2,720米ドルと推定されています。

仕組み

OlmoEarth v1.3は、3つの主要な衛星ソースからの年次時系列データを読み取って動作します。具体的には、Sentinel-1からのレーダーデータ、Sentinel-2とLandsatからのマルチスペクトルデータです。モデルはこの入力処理にビジョントランスフォーマーアーキテクチャを使用します。Attention Poolerコンポーネントが土地のパッチからの情報を単一の表現に集約し、線形層によって128次元ベクトルに縮小されます。これらのベクトル（埋め込み）は、各10メートルピクセルにおける景観の意味論的な意味を捉えます。このベクトルの最初の64次元は、より小さく軽量な埋め込みとして独立して機能することも可能です。

埋め込みは複雑な衛星データを固定サイズの数値に圧縮するため、効率的な比較と分類が可能になります。ユーザーは異なる年のベクトルを比較し、それらの間の距離を測定することで、森林伐採や都市拡大などの変化を検出できます。システムはまた、来歴（プロベナンス）レコードを維持し、各埋め込みをそれを生成するために使用された特定の衛星シーンにリンクします。この透明性により、ユーザーは任意の場所のソースデータを確認できます。

主要な詳細

• OlmoEarth v1.3は、地球上のすべての10メートルピクセルに対して128次元の埋め込みを生成し、使用可能な64次元サブセットも備えています。
• 事前計算されたグローバル埋め込みは2023年、2024年、2025年分が利用可能で、2017年から2022年までは一部の国を対象としたカバレッジがあります。
• モデルは27件のベンチマーク評価のうち20件でAlphaEarth FoundationsとTessera v2を上回りました。
• 訓練コストはv1.2と比較して47%削減され、炭素排出量は前バージョン比で半分にカットされました。
• OlmoEarth Embeddings Explorerにより、ユーザーはGPUアクセスなしでブラウザ内で分類器を訓練し、GeoTIFFを直接エクスポートできます。
• 重み、コード、データを含むすべての資産は、OlmoEarth Artifact Licenseの下でオープンソースです。

なぜ重要なのか

ソフトウェアエンジニアやデータサイエンティストにとって、このリリースは地理空間アプリケーション構築に伴う摩擦を劇的に軽減します。従来、正確な土地利用マップを作成するには、テラバイト単位の生衛星画像をダウンロードし、複雑な前処理パイプラインを設定し、高価なハードウェアで大規模モデルを訓練する必要がありました。事前計算された埋め込みがあれば、これらのステップは不要になります。開発者は、提供されたベクトルの上にシンプルで高速な分類器を訓練することで、小規模農家の作物識別や採掘活動の追跡など、特定のドメイン問題の解決に集中できます。このアクセスの民主化により、限られたリソースを持つ小規模なチームや組織でも惑星規模の分析を実行できるようになりました。

高品質なオープン埋め込みの利用可能性は、環境モニタリングにおける研究とイノベーションも加速させます。標準化され高性能なベースラインを提供することで、コミュニティは気候変動の影響、違法伐採、農業トレンドを追跡するためのより信頼性の高いツールを構築できます。来歴データの組み込みは、結果が監査可能であることを保証し、これは科学的および規制上の応用において極めて重要です。さらに、訓練における効率性の向上は、高性能な基盤モデルが必ずしも持続不可能なレベルのエネルギー消費を必要としないことを示しており、AI開発のより持続可能な未来を示唆しています。

あなたができること

• OlmoEarth Embeddings Explorerにアクセスし、ソフトウェアをインストールせずに惑星の変化を可視化し、類似性検索をテストしてください。
• Source Cooperativeから、関心のある地域用の事前計算された64次元または128次元の埋め込みをダウンロードしてください。
• 埋め込みに対して軽量な分類器を訓練し、作物検出や土地被覆分析などのためのカスタムマップを作成してください。
• 来歴テーブルを使用して、特定の埋め込みを元のSentinel-1、Sentinel-2、またはLandsatソースシーンまで遡ってください。
• 事前計算セットに含まれていない特定の時間ウィンドウや解像度で埋め込みを生成する必要がある場合は、OlmoEarth Studioを試してください。
• 技術レポートとPLANTEURベンチマークの詳細を確認し、評価方法論とモデルの限界を理解してください。