🤗 Modèles | 📄 Rapport technique | 📊 Données | 💻 Code | 🌎 Explorateur d'embeddings | 🗺️ Histoire interactive
Aujourd'hui, nous publions OlmoEarth v1.3, un modèle d'embeddings satellitaires à l'état de l'art. Aux côtés d'OlmoEarth v1.3, nous partageons des embeddings précalculés et annuels pour toute la planète (10m, 64 et 128 dimensions), ainsi qu'un nouvel outil basé sur le navigateur pour explorer et personnaliser des cartes à partir de ces embeddings — le OlmoEarth Embeddings Explorer. Cela signifie que chacun peut mettre OlmoEarth v1.3 au travail immédiatement, du suivi des changements au fil du temps à la recherche de lieux similaires — sans connexion ni connaissances techniques avancées.
Jusqu'à présent, la principale manière d'utiliser OlmoEarth était le fine-tuning dans OlmoEarth Studio : entraîner un modèle pour chaque tâche et l'exécuter sur des images satellitaires pour produire une carte. Cela nécessite un accès GPU et la capacité de télécharger et de stocker les images. Les modèles d'embeddings compressent les données satellitaires en caractéristiques prêtes à l'emploi qui peuvent être réutilisées à moindre coût pour de nombreuses tâches.
Avec OlmoEarth v1.3, nous sommes ravis d'offrir aux utilisateurs davantage de moyens d'explorer et d'interagir avec les artefacts planétaires de la manière qui leur convient le mieux.
Calculer une fois, réutiliser partout
Un embedding représente ce que le modèle a appris à partir de millions d'images. OlmoEarth v1.3 lit une année de séries temporelles satellitaires radar (Sentinel-1) et multispectrales (Sentinel-2 et Landsat) et produit un vecteur à 128 dimensions pour chaque pixel de 10 mètres sur Terre ; les 64 premières dimensions fonctionnent également seules comme un embedding plus petit.
Les modèles de fondation et les embeddings mondiaux sont coûteux à produire, et pour garantir que tout le monde puisse en bénéficier, nous avons calculé ces embeddings pour toute la planète et les avons partagés avec la communauté sur Source Cooperative. À partir de là, une carte des cultures, une carte de l'occupation du sol ou une analyse de changement devient un problème de modélisation léger : entraînez un petit classifieur par-dessus et exécutez-le localement.
Comment OlmoEarth v1.3 crée un embedding : un vision transformer lit les données satellitaires, un Attention Pooler les regroupe en un vecteur par parcelle de terrain, et une couche linéaire les réduit à 128 nombres.
Des embeddings à l'état de l'art
Nous avons évalué les embeddings d'OlmoEarth v1.3 face à AlphaEarth Foundations (AEF) et Tessera v2 sur 27 évaluations, couvrant six continents et de nombreuses tâches différentes. Les embeddings à 128 dimensions d'OlmoEarth obtiennent le meilleur score sur 20 des 27 évaluations et se classent premiers globalement. La version à 64 dimensions, deux fois plus petite, mène encore sur 18 des 27 évaluations. Dans le cadre de cette évaluation, nous introduisons PLANTEUR, un nouveau benchmark de types de cultures pour l'agriculture tropicale, et les embeddings généralisent le mieux vers des lieux qu'un classifieur n'a jamais vus (le rapport technique de PLANTEUR est disponible ici). Tout ce qui les sous-tend est entièrement ouvert : les poids du modèle, les données de pré-entraînement et le code de pré-entraînement.
En pratique, cela signifie qu'un petit classifieur entraîné sur les embeddings d'OlmoEarth suffit pour cartographier ce qui se trouve au sol : pensez à la classification des cultures de petits exploitants au Kenya, à la détection des fours à briques à l'ouest de Dhaka, à l'évaluation des dégâts d'incendie en Indonésie et au suivi de l'exploitation aurifère dans l'Amazonie péruvienne.
Par rapport aux générations précédentes de modèles OlmoEarth, OlmoEarth v1.3 a également été notre modèle le moins coûteux à entraîner. Il a nécessité 53 % du temps de calcul de notre dernière version (v1.2) et 18 % de notre première (v1), avec 50 % et 22 % des émissions de carbone. Et il reste également un modèle de fine-tuning performant, égalant les performances de la v1.2 sur les étiquettes de recherche et de partenaires. Notre dernier modèle s'appuie sur la même base que les versions précédentes d'OlmoEarth, ajustée pour que les embeddings restent légers sans sacrifier la précision entre les tâches, et ce travail d'efficacité se poursuit dans les versions à venir.
Les résultats complets et la méthodologie sont dans notre rapport technique.
Si vous vouliez le reproduire, le pré-entraînement d'OlmoEarth v1.3 Base coûterait environ 2,720 $ de temps de H100 loué pour la course finale. Les poids, les données et le code sont tous ouverts.
Un seul endroit, neuf ans
Changement de l'embedding de chaque pixel entre 2017 et 2020 (à gauche) et entre 2020 et 2025 (à droite). Le magenta indique le plus grand changement. À gauche : la mine s'étend vers le sud-est, la grande zone en bas à droite. À droite : ce coin s'est calmé ; le changement se situe désormais dans l'ancienne zone minière à l'ouest, en partie reprise par la végétation, en partie à nouveau creusée. Explorez par vous-même dans l' OlmoEarth Embeddings Explorer.
Dans la région de Madre de Dios au Pérou, l'exploitation minière aurifère illégale autour de La Pampa a atteint son apogée en 2017 et 2018, déboisant plus de 1,200 1,200 hectares — plus de 1,200 hectares — dans la zone tampon de la réserve nationale de Tambopata, selon le programme de suivi MAAP d'Amazon Conservation. En février 2019, l'opération Mercurio du Pérou y a mis fin dans sa plus grande partie. La question depuis est : est-ce que ça a duré ?
Les embeddings aident à y répondre. Comparez le vecteur de chaque pixel d'une année à l'autre, sans aucun entraînement de modèle, et la paire 2017 à 2020 s'illumine là où la mine s'étendait vers le sud-est. Faites la même comparaison de 2020 à 2025, et le signal se déplace. La répression est visible dans les embeddings.
La partie la plus intéressante est ce que la deuxième carte montre encore. Elle n'est pas sombre. Selon MAAP, des poches au nord-ouest ont continué à opérer, et l'ancienne zone minière continue de changer à mesure que le terrain se régénère. Les embeddings enregistrent cela aussi. Le répit fut bref, et la pression monte à nouveau. En août 2026, comme l' Associated Press l'a rapporté, le Pérou a envoyé des patrouilles de la marine dans la réserve après que des procureurs ont constaté que l'exploitation minière avait pénétré dans Tambopata même.
Notre histoire interactive s'ouvre sur cette portion de Madre de Dios, et passe en revue plusieurs autres exemples à partir de là.
L'OlmoEarth Embeddings Explorer
L' OlmoEarth Embeddings Explorer est un outil d'analyse interactif construit à partir des embeddings eux-mêmes, rendus sous forme de carte en fausses couleurs de la planète. Naviguez où vous voulez, basculez entre les années pour voir comment les paysages ont changé, et affichez les imageries Sentinel-2 sous-jacentes pour comparer la carte à la réalité. Puis commencez à poser des questions : cliquez sur un lieu pour trouver d'autres endroits qui lui ressemblent, ou déposez quelques points étiquetés et entraînez un petit classifieur sur place, puis exportez le résultat en GeoTIFF. Aucun compte, aucune configuration requise.
Pour beaucoup d'équipes, tester une idée sur OlmoEarth signifiait un fine-tuning, de l'ordre de plusieurs heures. Dans l'explorateur, une première passe prend quelques secondes. Vous pouvez analyser des régions entières à partir d'une poignée d'étiquettes, sans GPU. Quand une tâche exige un fine-tuning, les embeddings peuvent vous aider à décider si cela mérite la puissance de calcul, et où le modèle est en défaut.
L'archive derrière l'Explorer contient des embeddings à une résolution de 10 mètres, soit environ 150 To par an, couvrant les terres et les eaux côtières adjacentes. Au lancement, 2025, 2024 et 2023 sont mondiales, et 2017 à 2022 couvrent certains pays, avec une couverture plus étendue à venir. Vous pouvez récupérer les embeddings dans la version complète à 128 dimensions ou dans la version plus légère à 64 dimensions. Chaque embedding est également accompagné d'un enregistrement de sa provenance. Pour chaque tuile de 20 kilomètres et chaque année, des tables de provenance ouvertes listent les scènes Sentinel-1, Sentinel-2 et Landsat que le modèle a lues, avec des liens vers les catalogues publics qui les hébergent, afin que vous puissiez remonter de n'importe quel pixel jusqu'à l'imagerie qui le sous-tend.
Commencer
Cette version comprend le modèle OlmoEarth v1.3 Base, les embeddings mondiaux précalculés, l'OlmoEarth Embeddings Explorer et le rapport technique. Si votre travail nécessite une fenêtre temporelle spécifique, OlmoEarth Studio exécute le même modèle sur les dates, modalités et résolutions de votre choix, et un tutoriel montre comment générer des embeddings sur votre propre matériel. Ces outils fonctionnent ensemble : explorez dans l'Embeddings Explorer, faites du fine-tuning dans Studio quand une tâche l'exige, et emportez votre carte où vous voulez. Tout est publié sous l'OlmoEarth Artifact License, la même licence ouverte que v1 et v1.2.
Téléchargez les embeddings d'un lieu qui vous tient à cœur, posez-lui votre question, et montrez-nous ce que vous trouvez.