앨런 AI 연구소(AllenAI)가 위성 영상 처리를 위한 지구 관측 특화 AI 모델 패밀리 OlmoEarth v1.1을 발표했다. 2025년 11월 공개된 초판(v1)을 기반으로, 토큰 시퀀스 설계를 개선해 연산 비용을 약 3분의 1로 줄이면서도 주요 벤치마크에서 동등한 수준의 성능을 유지하는 데 성공했다. 모델은 Base·Tiny·Nano 세 가지 크기로 제공되며, 연구자가 컴퓨팅 예산에 맞게 선택할 수 있다.
OlmoEarth는 유럽우주국(ESA)의 Sentinel-2 위성이 촬영한 다중 해상도·다중 스펙트럼 영상을 입력으로 처리하도록 설계됐다. 핵심적인 변화는 토큰 처리 방식에 있다. v1은 하나의 패치에 대해 서로 다른 세 해상도(10m, 20m, 60m)마다 별도 토큰을 생성해 시간 축 2개 포함 패치당 총 6개 토큰을 사용했다. v1.1은 이 다중 해상도 토큰을 단일 토큰으로 통합해 패치당 토큰 수를 절반으로 줄였다. 이에 따라 전체 시퀀스 길이가 짧아지고 어텐션 연산량도 크게 감소했다. 일부 세부 벤치마크에서는 소폭 성능 저하가 확인됐지만, 전반적인 실용 성능은 v1과 동등하다고 연구소 측은 밝혔다.
OlmoEarth v1.1의 실제 적용 분야는 다양하다. 맹그로브 생태계 변화 추적, 산림 손실 원인 분류, 국가 단위 작물 유형 지도 제작, 대륙·지구 규모 배치 운영 등이 대표적이다. 고해상도 위성 데이터를 다루는 이 같은 작업은 처리 비용이 높아 지금까지는 대형 연산 자원을 갖춘 연구 기관에서만 현실적으로 수행 가능했다. 연산 효율이 3배 개선된 v1.1은 예산이 제한된 기관과 개발도상국의 환경 모니터링 기관도 활용 범위를 넓힐 수 있게 된다. 모델은 허깅페이스와 깃허브를 통해 공개됐다.
기후 변화 대응과 환경 모니터링의 중요성이 커지면서, 위성 영상 분석용 특화 AI 모델의 수요도 빠르게 늘고 있다. 범용 대형 모델보다 도메인 특화 경량 모델이 실제 위성 데이터 파이프라인에 통합하기 쉽다는 점에서, OlmoEarth 계열은 원격탐사(remote sensing)와 AI 융합 분야에서 실용적인 기반 모델로 자리잡을 것으로 전망된다.
저작권자 © STORIUM 무단전재 및 재배포 금지
