Анализ спутниковых снимков традиционно требовал GPU и огромных объемов данных. Теперь HuggingFace и AllenAI выпустили OlmoEarth v1.3 — модель и готовые эмбеддинги (сжатые векторные представления), которые позволяют проводить сложный планетарный анализ без этих затрат, снижая порог входа для инженеров.
OlmoEarth v1.3 предоставляет спутниковые эмбеддинги, которые сжимают годовые данные радаров и мультиспектральных снимков (со спутников Sentinel-1/2, Landsat) в 128-мерные векторы. Каждый вектор соответствует 10-метровому пикселю Земли, что позволяет использовать их для множества задач — от картографирования посевов до оценки ущерба от пожаров — без необходимости загружать и обрабатывать исходные терабайты изображений.
Ключевая — принцип «вычислить один раз, использовать везде». HuggingFace предварительно рассчитала годовые эмбеддинги для всей планеты за девять лет и выложила их в открытый доступ на Source Cooperative. Это означает, что инженеры могут сразу использовать готовые признаки для обучения легких классификаторов, минуя дорогостоящие этапы обработки и хранения спутниковых данных.
Модель OlmoEarth v1.3 показала лучшие результаты среди конкурентов, таких как AlphaEarth Foundations и Tessera v2. Она лидирует в 20 из 27 оценок по шести континентам. При этом OlmoEarth v1.3 стала самой дешевой в обучении, сократив время вычислений на 53% по сравнению с предыдущей версией (v1.2) и на 82% по сравнению с первой (v1), что также снизило углеродный след.
Для упрощения работы с данными представлен OlmoEarth Embeddings Explorer — браузерный инструмент, позволяющий исследовать и создавать карты на основе эмбеддингов без регистрации и специальных технических знаний. Это демократизирует доступ к сложной геопространственной аналитике.
OlmoEarth v1.3 не просто улучшает точность спутникового анализа, но и радикально снижает порог входа для его использования, делая планетарные данные доступными для широкого круга инженеров. Однако вендор не сообщил о конкретных лицензионных условиях для использования предварительно рассчитанных глобальных эмбеддингов в коммерческих проектах.