※本記事は一次情報をもとにAI支援によって構成・作成し、事実関係の照合を行っています。
発表内容（事実）
2026年10月23日、Hugging Faceのブログにおいて、最新の衛星画像埋め込みモデル「OlmoEarth v1.3」のリリースが発表されました。これと同時に、全世界向けに事前計算された年間埋め込みデータ（10m解像度、64次元および128次元）や、ブラウザ上で地図を探索・カスタマイズできるツール「OlmoEarth Embeddings Explorer」が共有されています。サインインや高度な専門知識が不要で、すぐに利用を開始できるとされています。
これまでのOlmoEarthは、OlmoEarth Studioでのファインチューニングが主な利用方法であり、GPUへのアクセスや画像データのダウンロード、保存が必要でした。しかし、v1.3では衛星データをコンパクトな特徴量に圧縮する埋め込みモデルとして提供され、さまざまなタスクで安価に再利用できるようになっています。
OlmoEarth v1.3は、Sentinel-1のレーダーデータ、Sentinel-2およびLandsatのマルチスペクトル衛星時系列データを読み込み、地球上の10メートルピクセルごとに1つの128次元ベクトルを生成します。前半の64次元は、より小さな埋め込みとしても単独で機能します。モデルの仕組みとしては、ビジョントランスフォーマーが衛星データを読み込み、アテンションプーラーで土地のパッチごとに1つのベクトルにプールし、リニア層で128次元に削減しています。
性能評価において、OlmoEarth v1.3はAlphaEarth Foundations（AEF）およびTessera v2と27の評価項目で比較され、128次元版は27項目中20項目で最高スコアを記録し総合首位となりました。64次元版も18項目で首位を維持しています。また、新たな熱帯農業向けの作物種ベンチマークである「PLANTEUR」が導入され、モデルの重み、事前学習データ、事前学習コードのすべてがオープンにされています。事前学習コストは、最終実行時のH100の時間換算でおよそ2,720ドルと見積もられています。
【図解】OlmoEarth v1.3の処理フローとデータ活用
%%{init: {'theme': 'base', 'themeVariables': {'fontFamily': 'Hiragino Kaku Gothic ProN, Yu Gothic, Meiryo, sans-serif', 'fontSize': '14px', 'primaryColor': '#ffffff', 'primaryBorderColor': '#8a6a50', 'primaryTextColor': '#3e2a1b', 'lineColor': '#8a6a50'}, 'flowchart': {'useMaxWidth': false, 'htmlLabels': true}, 'sequence': {'useMaxWidth': false}, 'class': {'useMaxWidth': false}, 'state': {'useMaxWidth': false}, 'er': {'useMaxWidth': false}, 'gantt': {'useMaxWidth': false}, 'journey': {'useMaxWidth': false}, 'pie': {'useMaxWidth': false}, 'mindmap': {'useMaxWidth': false}, 'timeline': {'useMaxWidth': false}}}%%
flowchart TD
A["衛星データ (Sentinel-1 ・ Sentinel-2 ・ Landsat)"] --> B["Vision Transformer (ビジョントランスフォーマー)"]
B --> C["Attention Pooler (アテンションプーラー)"]
C --> D["Linear Layer (リニア層)"]
D --> E["128次元ベクトル (10mピクセルごと)"]
E --> F["Source Cooperative (全世界の事前計算済み埋め込み)"]
F --> G["軽量な分類器の学習・ローカル実行 (作物マップ、変化分析など)"]
この記事のポイント
- 衛星画像埋め込みモデル「OlmoEarth v1.3」と全世界向けの事前計算済み年間埋め込みデータが公開された。
- 地球上の10mピクセルごとに128次元（および64次元）のベクトルを生成し、ローカルでの軽量な分類器学習が可能。
- AlphaEarth FoundationsやTessera v2との27の評価において、128次元版が20項目で最高スコアを記録した。
- モデルの重み、事前学習データ、事前学習コードのすべてが完全にオープンソースとして公開されている。
- ブラウザツール「OlmoEarth Embeddings Explorer」により、サインイン不要で地図の探索やカスタマイズを行える。
考察（筆者の見解）
事実: OlmoEarth v1.3は、前世代のv1.2と比較して53%、初期のv1と比較して18%の計算時間でトレーニングが行われ、二酸化炭素排出量もそれぞれ50%および22%に削減されています。また、ペルーのマドレ・デ・ディオス地域における違法金鉱山の変遷など、複数年のベクトルを比較するだけでモデルのトレーニングなしに変化を捉えられることが示されています。
推測: トレーニングコストの大幅な削減とオープン化の徹底により、今後は地球観測データを利用した環境モニタリングや地域分析のハードルがさらに下がり、研究機関や小規模な開発チームによる実用的なアプリケーション開発が加速する可能性があります。
意見: 筆者は、従来の重い画像処理パイプラインをバイパスして「事前計算済み埋め込み＋軽量な分類器」というアプローチをとる本モデルが、地球規模の環境変化追跡やインフラ監視におけるデファクトスタンダードの一つになっていくと考えます。
コメント