AI 생성 이미지
지구관측 AI의 병목은 성능만이 아닙니다. 위성 데이터는 크고, 시간 축이 있으며, 지역마다 관측 조건도 다릅니다. 그래서 현장에서는 “얼마나 잘 맞히는가”만큼 “얼마나 자주, 얼마나 싸게 돌릴 수 있는가”가 중요합니다.
OlmoEarth v1.1은 이 지점에 초점을 맞춘 업데이트입니다. 2025년 11월 공개된 OlmoEarth v1을 바탕으로, v1 대비 컴퓨트 비용을 최대 3배 줄이도록 설계된 모델군입니다. Base, Tiny, Nano 모델 가중치와 학습 코드도 공개되어 있습니다.1
OlmoEarth는 지구관측 데이터를 임베딩으로 바꾼다
OlmoEarth는 트랜스포머 기반의 지구관측용 파운데이션 모델입니다. Sentinel-2 입력은 높이 H, 너비 W, 시간 차원 T, 12개 채널 D로 구성된 텐서로 설명됩니다. 즉, 단일 이미지가 아니라 공간·시간·스펙트럼 정보를 함께 다루는 구조입니다.2
핵심 산출물은 임베딩입니다. 임베딩은 복잡한 지구관측 데이터를 압축한 숫자 벡터입니다. 표면 특성이 비슷한 위치는 OlmoEarth 임베딩에서도 유사한 벡터로 표현됩니다.3
이 점이 실용적입니다. 매번 처음부터 모델을 학습하지 않아도, 임베딩을 기반으로 유사도 검색, 세그멘테이션, 비지도 탐색 같은 다운스트림 작업을 시작할 수 있기 때문입니다.3
v1.1의 변화: 더 작은 선택지를 실제 워크플로에 넣는다
OlmoEarth v1.1에서 주목할 부분은 단순히 “작은 모델이 나왔다”가 아닙니다. 같은 계열 안에서 비용과 표현력 사이의 선택지가 넓어졌다는 점입니다.
공개된 인코더는 세 가지입니다.3
Nano: 128차원 임베딩, 140만 파라미터
Tiny: 192차원 임베딩, 620만 파라미터
Base: 768차원 임베딩, 8,900만 파라미터
모든 문제에 Base가 필요한 것은 아닙니다. 빠른 탐색, 반복 실험, 제한된 컴퓨트 환경에서는 Nano나 Tiny가 더 현실적인 출발점이 될 수 있습니다. 반대로 더 높은 표현력이 필요하거나 분석 범위가 복잡하다면 Base를 선택할 수 있습니다.
Studio는 임베딩을 분석 가능한 파일로 내보낸다
OlmoEarth Studio는 오픈소스 OlmoEarth 기반 모델이 생성한 임베딩 벡터를 계산하고 내보낼 수 있는 도구입니다.3
사용자는 임베딩을 만들 때 다음 항목을 선택할 수 있습니다.3
관심 영역
기간
인코더 변형
공간 해상도
이미지 소스
기간은 1~12개 월별 기간으로 설정할 수 있습니다. 출력 형식은 Cloud-Optimized GeoTIFF(COG)이므로, 기존 지리공간 분석 도구와 연결하기 쉽습니다.3
이 흐름은 중요합니다. 모델을 연구 코드 안에만 두는 것이 아니라, 임베딩을 파일로 내보내고 이후 분석 파이프라인에서 활용할 수 있게 만들기 때문입니다.
적용 기준은 “무엇을 먼저 확인할 것인가”다
OlmoEarth v1.1을 쓸 때의 출발점은 모델 크기보다 작업 목적입니다.
라벨이 거의 없다면 먼저 임베딩을 확인하는 접근이 적합합니다. 유사한 지역을 찾거나, 데이터 안의 구조를 비지도 방식으로 탐색할 수 있습니다. 라벨이 있거나 특정 객체·지역을 나누고 싶다면 임베딩을 세그멘테이션 같은 다운스트림 작업의 입력으로 활용할 수 있습니다.3
모델 선택은 그다음입니다. 빠른 반복이 중요하면 Nano나 Tiny로 시작하고, 더 풍부한 표현이 필요하다고 판단될 때 Base로 확장하는 방식이 합리적입니다.
결국 OlmoEarth v1.1의 핵심은 “모델이 작아졌다”는 소식에 그치지 않습니다. 지구관측 AI를 더 낮은 비용으로, 더 자주 실험하고, 실제 분석 워크플로에 연결할 수 있는 선택지가 넓어졌다는 데 있습니다.
1OlmoEarth - a allenai Collection
2OlmoEarth: Stable Latent Image Modeling for Multimodal Earth Observation
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.