A Allen Institute for AI (Ai2) anunciou o OlmoEarth v1.3, um modelo de embeddings para imagens de satélite, e publicou representações anuais de todo o planeta. Os dados, com resolução de 10 metros, estão disponíveis em versões de 64 e 128 dimensões. A organização lançou também o OlmoEarth Embeddings Explorer, uma ferramenta no navegador que permite explorar mapas e comparar alterações sem iniciar sessão.
Um embedding condensa informação aprendida a partir de imagens num conjunto compacto de valores que pode ser reutilizado em diferentes tarefas. Segundo a Ai2, o OlmoEarth v1.3 processa séries anuais de dados de radar Sentinel-1 e de imagens multiespectrais Sentinel-2 e Landsat. O resultado é um vetor por cada pixel de 10 metros; a versão de 64 dimensões corresponde às primeiras 64 componentes da representação de 128 dimensões.
A Ai2 afirma ter comparado o modelo com o AlphaEarth Foundations e o Tessera v2 em 27 avaliações, distribuídas por seis continentes e várias tarefas. De acordo com os resultados divulgados, a versão de 128 dimensões obteve a melhor pontuação em 20 avaliações e a de 64 dimensões em 18. A equipa apresenta também o PLANTEUR, um novo benchmark para classificação de culturas em zonas tropicais, no qual diz que o modelo generaliza melhor para locais não vistos durante o treino. Os dados citados são da avaliação publicada pela própria organização; a informação fornecida não inclui validação independente.
A disponibilização das representações pré-calculadas pretende reduzir a necessidade de cada utilizador descarregar imagens de satélite e executar cálculos intensivos em GPU. A Ai2 indica que os embeddings podem servir de base a classificadores mais pequenos, aplicados, por exemplo, à identificação de culturas, à deteção de fornos de tijolo ou à análise de danos provocados por incêndios. Os dados globais foram partilhados através da Source Cooperative; a organização disponibiliza ainda pesos, dados de pré-treino e código.
A Ai2 diz que o treino do v1.3 consumiu 53% do tempo de computação usado no v1.2 e 18% do usado no v1. Também estima que as emissões de carbono corresponderam, respetivamente, a 50% e 22% das versões anteriores. A organização afirma que o novo modelo mantém o desempenho de afinação do v1.2. Para o treino final da versão Base, estima um custo de cerca de 2.720 dólares em tempo alugado de GPU H100.
A ferramenta de exploração permite comparar embeddings entre anos para procurar alterações na superfície terrestre. A Ai2 ilustra essa utilização com a região de Madre de Dios, no Peru, comparando 2017–2020 com 2020–2025 para visualizar mudanças associadas à mineração e à recuperação da vegetação. O exemplo é apresentado pela organização como demonstração da ferramenta, não como uma avaliação independente. A publicação inclui ligações para o relatório técnico, os dados, o código e o explorador.
Porque importa
Embeddings pré-calculados podem tornar mais acessível a análise de imagens de satélite, reduzindo a necessidade de infraestrutura própria para processar grandes volumes de dados. As alegações de desempenho e eficiência, porém, são divulgadas pela equipa responsável pelo modelo.