OlmoEarth v1.1: более эффективные модели для наблюдения Земли
Новая версия семейства OlmoEarth предлагает до 30 % снижения вычислительных затрат при сохранении или улучшении точности на задачах спутникового анализа.
Что изменилось?
Hugging Face совместно с Allen Institute представили OlmoEarth v1.1 – обновлённую линейку моделей для анализа спутниковых данных. Основные улучшения:
- Эффективность: снижение FLOPs на 25‑30 % благодаря оптимизированной архитектуре трансформеров и более лёгким токенизаторам мульти‑спектральных каналов.
- Точность: на наборе LandCover‑AI модели достигли +2,1 % F1‑score, а на FloodNet – +1,8 % IoU по сравнению с v1.0.
- Размеры: представлена линейка от 120 M до 560 M параметров, что позволяет запускать модели даже на ноутбуках с GPU‑A100‑Lite.
- Поддержка новых датчиков: добавлен ввод каналов Sentinel‑2 и Landsat‑9, а также возможность работы с SAR‑изображениями.
- Интеграция: модели сразу доступны в
transformersиdatasets, а также в виде готовых пайплайновpipeline("image‑segmentation").
Как получить?
Все версии опубликованы на Hugging Face Hub: https://huggingface.co/allenai/olmoearth‑v1‑1. Репозиторий содержит скрипты для дообучения, предобученные веса и примеры использования в Python и Rust.
Что дальше?
Команда обещает дальнейшее расширение поддерживаемых спектральных диапазонов и выпуск OlmoEarth‑v2 в конце 2026 года, ориентированный на 3‑D реконструкцию местности.
Источник: Hugging Face Blog
Для разработчиков и студентов это значит, что теперь можно обучать и инферировать модели наблюдения Земли на обычных GPU без потери качества. Снижение вычислительных расходов открывает возможности для небольших стартапов и академических проектов, но стоит помнить о лицензиях на спутниковые данные и проверять их соответствие требованиям GDPR и локального законодательства.
