我们能预测不可预测吗？利用 DisasterNet-LLM 进行多模态灾害分类
机器学习
2025-07-01 v1 人工智能
摘要
有效的灾害管理需要及时准确的洞察，但传统方法难以整合诸如图像、天气记录和文本报告等多模态数据。为此，我们提出了 DisasterNet-LLM，一种专为综合灾害分析设计的专业大语言模型（LLM）。通过利用先进的预训练、跨模态注意力机制和自适应变换器，DisasterNet-LLM 在灾害分类方面表现卓越。实验结果表明，其在多模态灾害分类任务中准确率达到 89.5%，F1 分数为 88.0%，AUC 为 0.92%，BERTScore 为 0.88%，显著优于现有方法。
引用
@article{arxiv.2506.23462,
title = {Can We Predict the Unpredictable? Leveraging DisasterNet-LLM for Multimodal Disaster Classification},
author = {Manaswi Kulahara and Gautam Siddharth Kashyap and Nipun Joshi and Arpita Soni},
journal= {arXiv preprint arXiv:2506.23462},
year = {2025}
}
备注
Accepted in the 2025 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2025), scheduled for 3 - 8 August 2025 in Brisbane, Australia