面向细粒度地震损害评估的多模态、多语言、多维度管线
计算与语言
2025-06-05 v1 计算机与社会
社会与信息网络
摘要
快速、细粒度的灾后损害评估对于有效的紧急响应至关重要，但由于地面传感器有限且官方报告存在延迟，这一任务仍然具有挑战性。社交媒体提供了丰富、实时的以人为中心的观察，然而其多模态和非结构化的特性为传统分析方法带来了挑战。本研究提出了一种结构化的多模态、多语言、多维度（3M）管线，利用多模态大型语言模型（MLLM）来评估灾害影响。我们在三个基础模型上进行评估，涵盖两个重大地震事件，进行宏观和微观层面的分析。结果表明，MLLM 能够有效地整合图像-文本信号，并与地面实况数据呈现出强相关性。然而，性能会随语言、 epicentral 距离和输入模态性而有所不同。本工作凸显了 MLLM 在灾害评估中的潜力，并为将 MLLM 应用于真实危机情境的进一步研究奠定了基础。代码和数据已发布于：https://github.com/missa7481/EMNLP25_earthquake
引用
@article{arxiv.2506.03360,
title = {A Multimodal, Multilingual, and Multidimensional Pipeline for Fine-grained Crowdsourcing Earthquake Damage Evaluation},
author = {Zihui Ma and Lingyao Li and Juan Li and Wenyue Hua and Jingxiao Liu and Qingyuan Feng and Yuki Miura},
journal= {arXiv preprint arXiv:2506.03360},
year = {2025}
}