OlmoEarth embeddings: 위성 영상을 재사용 가능한 분석 특징으로 바꾸기
위성 영상은 크고 복잡하며, 새로운 분석을 할 때마다 대형 모델을 직접 실행하기도 어렵다. OlmoEarth embeddings은 지구 관측 데이터의 특징과 의미를 고차원 벡터로 압축해, 후속 분석에서 재사용할 수 있게 한다.1
핵심은 이 벡터를 OlmoEarth Studio 밖으로 내보낼 수 있다는 점이다. 사용자는 기존 공간 분석 도구와 머신러닝 파이프라인에서 임베딩을 활용해 분류, 탐색, 변화 분석 같은 작업을 수행할 수 있다.
내보내기 전에 결정할 항목
OlmoEarth Studio에서는 관심 영역과 기간, 영상 소스, 인코더, 공간 해상도를 지정한다. 작업은 UI뿐 아니라 API로도 설정할 수 있다.3
인코더는 다음 세 가지다.
| 인코더 | 임베딩 차원 | 매개변수 |
|---|---|---|
| Nano | 128 | 140만 |
| Tiny | 192 | 620만 |
| Base | 768 | 8,900만 |
공간 해상도는 픽셀당 10m, 20m, 40m 또는 80m이며, 입력 영상으로 Sentinel-2 L2A와 Sentinel-1 RTC를 지원한다.2
선택할 때는 분석 목적뿐 아니라 결과물의 크기도 고려해야 한다. 세밀한 공간 패턴이 중요하면 높은 해상도가 필요하지만, 넓은 지역이나 여러 시점을 분석한다면 처리량과 저장 공간이 커질 수 있다. 인코더 역시 차원이 높을수록 더 많은 특징을 제공하는 대신 내보낼 밴드 수가 늘어난다.
파일 구조가 후속 분석에 미치는 영향
결과는 Cloud-Optimized GeoTIFF(COG)로 제공되며, 임베딩 차원마다 하나의 밴드가 배정된다. 따라서 Nano는 128개, Tiny는 192개, Base는 768개의 임베딩 밴드를 갖는다.
각 벡터 값은 -127부터 +127까지의 int8로 저장되고, -128은 nodata 값으로 사용된다.2 외부 도구에서 파일을 읽을 때는 -128을 실제 특징값으로 처리하지 않도록 주의해야 한다.
OlmoEarth의 모델과 소스 코드가 공개돼 있어 임베딩 생성 과정도 확인할 수 있다.2 이는 결과를 외부 파이프라인에 통합하거나 처리 방식을 검토할 때 유용하다.
하나의 임베딩으로 여러 분석 시작하기
OlmoEarth embeddings의 실용적 가치는 동일한 특징을 여러 후속 작업에 활용할 수 있다는 데 있다. 대표적인 활용 방식은 다음과 같다.
탐색: 클러스터링과 시각화로 데이터의 구조를 파악한다.
검색과 이상 탐지: 벡터가 유사한 지역을 찾거나 주변과 다른 패턴을 식별한다.
분류와 세분화: 임베딩에 소량의 라벨을 결합해 작은 과업 특화 모델의 입력 특징으로 사용한다.
시계열 비교: 서로 다른 시점의 벡터 표현을 비교해 특정 지역의 변화를 분석한다.
외부 데이터 결합: 현장 센서 데이터나 사회경제 통계와 연결해 위성 영상만으로 설명하기 어려운 현상을 분석한다.1
이 구조는 임베딩 자체를 완성된 예측 결과가 아니라, 여러 분석에 재사용할 수 있는 공통 입력으로 이해해야 한다는 뜻이다.
사례가 보여주는 가능성과 검증 과제
베트남 까마우 사례에서는 클래스별 20개씩 총 60개 픽셀을 사용해 로지스틱 회귀를 학습했고, 가중 F1 0.84를 기록했다.2 이는 적은 라벨과 비교적 단순한 모델로도 후속 분석을 시작할 수 있음을 보여준다.
다만 표본이 작기 때문에 이 결과만으로 일반적인 성능을 단정해서는 안 된다. 실제 적용 전에는 대상 지역과 계절, 입력 영상 조건이 달라졌을 때도 성능이 유지되는지 별도로 검증해야 한다.
요약: OlmoEarth embeddings은 완성된 답을 제공하기보다, 복잡한 지구 관측 데이터를 외부 도구에서 재사용할 수 있는 특징으로 바꾼다. 목적에 맞는 인코더와 공간 해상도를 선택하고, 라벨·시계열·외부 데이터를 결합하면 적은 데이터와 간단한 모델로도 다양한 분석을 시작할 수 있다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.