OlmoEarth v1.3 공개, 로그인 없이 웹에서 위성 지도 분석

OlmoEarth 개발팀이 10월 22일(현지시간) 위성 데이터 분석 모델 OlmoEarth v1.3을 공개했다. 미리 계산해 둔 전 지구 분석 데이터와 웹 도구 OlmoEarth Embeddings Explorer도 함께 내놨다. 개발팀은 로그인이나 설치 없이 지역의 변화를 살피고 비슷한 장소를 찾을 수 있다고 밝혔다.

위성 사진을 숫자로 바꿔 쓴다

핵심은 위성이 관측한 내용을 숫자로 압축한 ‘임베딩’이다. 땅의 특징을 숫자로 정리해 여러 분석에 다시 쓰는 데이터다. 모델은 Sentinel-1, Sentinel-2, Landsat이 1년간 모은 관측 자료를 읽는다. 그리고 지표면을 가로세로 10m 칸으로 나눠 칸마다 숫자 128개로 표현한다. 앞의 64개만 쓰는 가벼운 버전도 있다.

그동안은 OlmoEarth Studio에서 작업마다 모델을 추가로 학습시켜 위성 영상에 적용하는 방식을 주로 썼다. 이 과정에는 고성능 그래픽카드(GPU)와 영상을 내려받아 저장할 공간이 필요했다. 이번에는 미리 계산한 데이터로 작은 분류 모델만 학습시켜 작물 지도나 땅 표면이 무엇으로 덮여 있는지 나타낸 토지 피복 지도를 만들 수 있다. 개발팀은 같은 데이터를 여러 작업에 싸게 다시 쓸 수 있다고 설명했다.

웹에서 무엇을 할 수 있나

Explorer에서는 지도를 옮겨 다니며 관심 지역을 고르고, 연도를 바꿔 지형과 토지의 변화를 비교할 수 있다. 바탕이 된 Sentinel-2 영상도 함께 볼 수 있다. 한 장소를 눌러 비슷한 곳을 찾거나, 몇몇 지점에 이름표를 붙여 분류 모델을 학습시키는 기능도 있다. 결과는 지도 파일 형식인 GeoTIFF로 내보낼 수 있다.

이미지: huggingface.co

개발팀은 Explorer로 수 초 안에 아이디어를 시험할 수 있다고 밝혔다. 모델을 추가로 학습시키는 데는 수 시간이 걸린다. 고성능 그래픽카드 없이 이름표 몇 개만으로 넓은 지역을 분석한다는 설명이다. 활용 예로는 케냐 소규모 농가의 작물 구분, 다카 서쪽의 벽돌 가마 탐지, 인도네시아 화재 피해 평가를 제시했다.

연도별 변화 비교에는 페루 아마존의 금 채굴 지역을 사례로 들었다. 개발팀은 2017년과 2020년, 이어 2020년과 2025년의 숫자를 각각 맞대 보고 변화가 집중된 위치가 옮겨 가는 모습을 보여줬다. 이런 비교는 별도 모델 학습 없이 할 수 있다.

다른 모델과 비교하면 어떤가

개발팀은 6개 대륙에 걸친 27개 성능 시험에서 AlphaEarth Foundations와 Tessera v2와 비교했다고 밝혔다. 숫자 128개를 쓰는 버전은 20개 시험에서, 64개를 쓰는 버전은 18개에서 가장 높은 점수를 받았다는 설명이다. 열대 지역의 작물 종류를 구분하는 새 성능 시험 PLANTEUR도 함께 소개했다.

이미지: huggingface.co

학습에 쓴 계산 시간은 v1.2의 53%, v1의 18% 수준이었다고 개발팀은 밝혔다. OlmoEarth v1.3 Base의 사전 학습을 그대로 재현하려면 최종 실행에 쓰는 고성능 AI 칩 H100 임대 비용이 약 2,720달러라고 추산했다. 모델과 학습 데이터, 학습 코드는 공개했고, 배포물에는 OlmoEarth Artifact License를 적용했다.

공개 시점의 데이터는 20232025년 전 세계 육지와 인접 연안을 다룬다. 20172022년은 일부 국가만 포함하며, 개발팀은 범위를 늘릴 예정이라고 밝혔다. 관심 지역의 데이터를 웹에서 먼저 살핀 뒤 추가 학습을 할지 정할 수 있다. 결국 이번 공개로 위성 분석을 시작할 때 필요한 준비가 줄었다.