推出 OlmoEarth embeddings：从 OlmoEarth Studio 导出定制嵌入以供下游分析

判断

做地表分类或变化检测的团队负责人，现在要决定第一版管线的嵌入从哪来：在 OlmoEarth Studio 里按自己的兴趣区和时间跨度算完再导出，还是直接拉公开权重自己跑。选前者省工程，选后者省迁移风险。

依据

AI2 的 Kyle Wiggers 在 Hugging Face 上宣布：OlmoEarth Studio 现在可以计算并导出嵌入向量，嵌入向量是地球观测数据的紧凑数值表示，地表特征相近的地方向量相近。流程是先配模型、跑完再下载，参数包括：兴趣区画或传任意多边形；时间跨度 1–12 个月度周期；编码器三档 Nano（128 维、1.4M 参数）、Tiny（192 维、6.2M 参数）、Base（768 维、89M 参数）；分辨率 10、20、40、80 米每像素；影像源 Sentinel-2 L2A、Sentinel-1 RTC 或两者。产出是 Cloud-Optimized GeoTIFF（COG，云优化 GeoTIFF），每个嵌入维度一个波段，存为 int8（8 位有符号整数），取值 -127 到 +127，-128 留给 nodata。材料里的对照数字：全局结构那张图用了 1.1M 个季节性 Sentinel-2 样本、聚成 15 个 k-means 簇；越南 Ca Mau 红树林只标 60 个像素（红树林、水、其他三类各 20 个），训一个逻辑回归就铺满全区；农业窗口查询里最相似的斑块余弦相似度 0.89 以上，最不相似的机场裸地、水库旱地和旱生牧场接近零。性能不够时还可以走 SFT（supervised fine-tuning，监督微调）。