OlmoEarth v1.3：全地球をカバーする最先端衛星データ埋め込みモデルの全貌
OlmoEarth v1.3のアーキテクチャとマルチモーダル統合
「OlmoEarth v1.3」は、AI2（Allen Institute for AI）によってリリースされた、全地球規模の衛星データ解析を民主化する最先端の空間埋め込み（Embedding）モデルである。本モデルは、レーダー観測データ（Sentinel-1）およびマルチスペクトル観測データ（Sentinel-2、Landsat）の1年間にわたる時系列データを入力として受け取り、地球上の10メートルピクセルごとに128次元のベクトルを出力する。さらに、前半の64次元だけでも独立した軽量埋め込みとして機能するスケーラブルな設計を採用している。
内部アーキテクチャとしては、Vision Transformer（ViT）ベースのエンコーダーが衛星時系列データを読み込み、Attention Poolerによってパッチごとに1つのベクトルへとプールされた後、線形層（Linear Layer）を通じて128次元に圧縮される仕組みをとっている。前バージョン（v1.2）と比較して学習コストの大幅な削減に成功しており、v1のわずか18%（H100換算のレンタルコストで約2,720ドル相当）、v1.2の53%の計算資源でトレーニングが完了している。これにより、炭素排出量も前世代の22%〜50%へと抑制されつつ、研究およびパートナー評価において同等以上の性能を維持している。
ベンチマーク評価と「PLANTEUR」による汎化性能
本モデルの性能検証において、開発チームはAlphaEarth Foundations（AEF）やTessera v2などの既存モデルと、6大陸・27の評価タスクにわたって厳格な比較を実施した。その結果、OlmoEarth v1.3の128次元埋め込みは27タスク中20タスクで最高スコアを記録し、総合評価でトップに立った。また、次元数を半減させた64次元版であっても18タスクで優位性を保ち、軽量性と高精度を高水準で両立している。
特筆すべき点として、熱帯農業における新しい作物分類ベンチマーク「PLANTEUR」が新たに導入された。このベンチマークを通じて、OlmoEarth v1.3の埋め込みが「これまで classifier（分類器）が一度も見たことのない未知の地域」に対して極めて高い汎化性能（Generalization）を発揮することが実証された。ケニアの小規模農家における作物分類、ダッカ郊外の製れん窯（レンガ工場）の検知、インドネシアの火災被害評価、ペルーアマゾンにおける違法金採掘の追跡など、局所的なロジスティクスから環境モニタリングまで少量の追加学習（ダウンストリームの軽量分類器の訓練）のみで対応可能となっている。
グローバル事前計算データと「OlmoEarth Embeddings Explorer」
これまでの衛星AIモデルの活用における最大の障壁は、莫大な量の生データをダウンロードし、高価なGPU環境下で処理・ファインディングを行う必要性であった。OlmoEarth v1.3ではこの課題を根本から解決するため、全地球を網羅した年次事前計算済み埋め込み（10m解像度、128および64次元）がSource Cooperativeを通じてオープンデータとしてコミュニティに提供されている。年間約150TBに及ぶデータアーカイブには、2023年〜2025年のグローバルデータに加え、一部の主要国における2017年〜2022年の時系列データが含まれている。
さらに、ブラウザベースで即座に地理空間データを分析できる「OlmoEarth Embeddings Explorer」が同時に公開された。このツールを利用することで、ユーザーはGPUを一切使用せず、数秒で以下のような高度な解析を行える：
- 時系列比較：年ごとの埋め込みベクトルの差分を視覚化し、ペルー・マドレ・デ・ dios地方の違法採掘の変遷や森林再生の様子をノーコードで追跡。
- 類似地域検索：クリックしたピクセルと類似した特徴を持つ地球上の別地域を瞬時に抽出。
- インタラクティブ分類：数個のラベル付けされたポイントをドロップするだけでその場で簡易分類器を学習させ、GeoTIFF形式としてエクスポート。
- 完全なプロベナンス（出自）追跡：各20kmタイルおよび年ごとに、どのSentinel-1、Sentinel-2、Landsatシーンからデータが生成されたかのオープンカタログリンクが紐付けられており、ピクセルレベルでの検証が可能。
これらのモデル重み、前訓練コード、データセット、および解析ツールはすべて「OlmoEarth Artifact License」の下で完全にオープンソースとして公開されている。
開発者・エンジニア視点での考察
-
生ピクセル処理からの脱却と「特徴量再利用（Compute once, reuse everywhere）」パラダイムの確立: 10m解像度のマルチスペクトル・レーダー時系列を128次元（または64次元）に高圧縮した事前計算済みベクトルがグローバル規模で解放されたことで、開発者は重いラスタデータのダウンロードや大規模なVision Transformerの学習パイプラインを自前で構築する必要がなくなった。上位のタスク（土地被覆分類や変化検出など）を数行のロジスティック回帰や軽量なMLPの学習だけで完結させられるため、エッジデバイスや限られたインフラでの地理空間AIアプリ開発のハードルが劇的に下がる。
-
ピクセル単位の時系列コサイン類似度によるアノテーションレスな変化検出: モデルに対して追加のファインネューニングや教師あり学習を行わなくとも、同一ピクセルの年次埋め込みベクトル間の距離や変化を比較するだけで、違法採掘の拡大・縮小や森林火災の痕跡などの環境インパクトを定量的に検出できる。これは、ラベルデータが極端に不足しているグローバルサウスや秘境地域における環境モニタリングシステムの迅速なプロトタイピングにおいて、強力な武器となる。
-
推論コストとスケーラビリティの最適バランス（128d vs 64d）: 128次元フルスペックモデルだけでなく、前半の64次元を独立して切り出して活用できる設計は、ストレージ容量と推論レイテンシが厳しく制限されるシステムにおいて非常に実用的である。27の評価タスクにおいて64次元版でも18タスクでトップ性能を維持している点は、エッジ推論や大規模なベクトルデータベース（Vector DB）を用いた高速類似検索において、メモリフットプリントを半減させながら同等の精度を担保できるというアーキテクチャ上の大きなアドバンテージをもたらす。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
