AusSmoke 与 MultiNatSmoke：一个全标签多样烟雾分割数据集

野火是日益严峻的全球性关切，给环境、经济和人类健康带来巨大冲击，2019-2020年澳大利亚森林大火和2025年加州野火等事件凸显了其严重性。AI驱动的摄像头烟雾检测已成为快速检测野火的有前景方法。然而，现有的野火烟雾分割数据集在规模上受限、地理上受限，常依赖合成图像，阻碍了有效训练和泛化。为克服这些限制，我们提出了AusSmoke，一个新收集自澳大利亚的烟雾分割数据集，以解决该地区的数据匮乏问题。进一步引入称为MultiNatSmoke的跨国地理多样且规模数倍增长的全标签基准，整合了公开的国际数据集与新收集的澳大利亚图像。最后，我们对烟雾分割模型进行基准测试，显示在多样化地理环境下的性能得到提升和泛化能力增强。该项目已发布于\href{https://github.com/henryzhao0615/MultiNatSmoke}{Github}。