Allen AI：OlmoEarth 임베딩, 단 60픽셀로 F1 점수 0.84의 지형 분할 달성

Allen Institute for AI(AI2)는 2026년 4월 23일 자체 임베딩 모델을 갖춘 위성 이미지 분석 플랫폼 OlmoEarth Studio를 출시했습니다. OLMo 언어 모델, Tülu 명령어 튜닝, Molmo 멀티모달 모델에 이어 AI2는 오픈소스 전략을 지속적으로 확장하고 있습니다.

OlmoEarth란 무엇이며 AI2 전략에서 어떤 역할을 합니까?

OlmoEarth는 위성 이미지를 임베딩——시각적·지리공간 정보를 압축한 컴팩트한 벡터——으로 변환하는 사전 학습 모델입니다. AI2는 Nano(128차원), Tiny(384차원), Base(768차원)의 세 가지 크기로 공개하고 있습니다.

크기 선택은 정확도와 속도 간의 트레이드오프입니다. Nano는 넓은 지역 처리와 제한된 하드웨어에서의 실행에 적합하고, Base는 세밀한 작업에서 최고의 정확도를 제공하며, Tiny는 대부분의 실용적인 사례를 다루는 중간 선택입니다. 세 모델 모두 오픈소스로 AI2의 미션에 부합합니다.

60픽셀로 혁신적인 결과가 나오는 이유는 무엇입니까?

이번 발표의 주요 기술적 성과는 단 60개의 레이블된 픽셀로 모델을 파인튜닝했을 때 지형 분할에서 F1 점수 0.84를 달성했다는 것입니다. F1은 정밀도와 재현율의 조화 평균으로, 0.84는 대부분의 지리 분석에서 프로덕션에 적합한 수준으로 여겨집니다.

기존의 심층 분할 방식은 유사한 정확도에 도달하기 위해 수천에서 수만 개의 레이블된 샘플이 필요했습니다. OlmoEarth는 방대한 위성 이미지로 사전 학습되어 숲, 농지, 도시 지역의 외관을 이미 「알고 있으므로」 소수의 샘플만으로 특정 작업에 적용하는 것으로 충분합니다.

구체적인 활용 사례는 무엇입니까?

Studio는 세 가지 주요 작업을 지원합니다. 임의 지역의 임베딩 생성, 두 시점 간의 변화 감지, 연구자에게 데이터의 클러스터 구조를 보여주는 PCA 시각화입니다.

응용 분야는 아마존 삼림 벌채 모니터링, 보험사를 위한 작물 수확량 예측, 홍수·지진 피해 평가, 도시 성장 계획 등 다양합니다. 핵심 장점은 대형 모델을 재학습하지 않고도 다운스트림 분석이 가능하다는 점으로, 연구자들은 임베딩 벡터만을 다루면 됩니다.