跨模态建筑损伤映射的建筑引导伪标签学习
计算机视觉与模式识别
2025-05-09 v1
摘要
利用双时相多模态遥感图像进行准确的建筑损伤评估，对于有效的灾害响应和恢复规划至关重要。本研究提出了一种新颖的建筑引导伪标签学习框架，以解决从灾前光学图像和灾后SAR图像映射建筑损伤的挑战。首先，我们利用灾前光学图像和建筑标签训练了一系列建筑提取模型。为增强建筑分割，我们采用多模型融合和测试时增强策略生成伪概率，随后采用低不确定性伪标签训练方法进一步细化。接下来，在双时相跨模态图像和受损建筑标签上训练变化检测模型。为提高损伤分类精度，我们引入了一种建筑引导的低不确定性伪标签细化策略，利用前一步骤的建筑先验来指导受损建筑伪标签的生成，降低不确定性并增强可靠性。在2025年IEEE GRSS数据融合竞赛数据集上的实验结果证明了本方法的有效性，实现了最高的mIoU分数（54.28%），并在竞赛中获得第一名。
引用
@article{arxiv.2505.04941,
title = {Building-Guided Pseudo-Label Learning for Cross-Modal Building Damage Mapping},
author = {Jiepan Li and He Huang and Yu Sheng and Yujun Guo and Wei He},
journal= {arXiv preprint arXiv:2505.04941},
year = {2025}
}