ChangeQuery：从视觉检测到语义理解的遥感灾害变化分析
计算机视觉与模式识别
2026-04-27 v1 人工智能
摘要
快速的事态态势感知对于灾后响应至关重要。虽然遥感损伤评估正从像素级变化检测演进到高层次语义分析，但现有的视觉-语言方法仍然难以为复杂战略查询提供可操作的智能。它们严重受限于单模态光学依赖、对自然灾害的偏好，以及缺乏以 grounding 方式的交互性。为此，我们提出 ChangeQuery，一个用于全方位灾害态势感知的统一多模态框架。为克服模态限制和情景偏见，我们构建了灾害引起变化查询 (DICQ) 数据集，一个大规模基准，将事前光学语义与事后 SAR 结构特征耦合，覆盖自然灾害和武装冲突的平衡分布。进一步，为提供交互推理所需的高质量监督，我们提出了一种 novel 自动语义标注管道。遵循“统计为主，生成为后”范式，该引擎将原始分割掩码自动转换为 grounding 的、层次化的指令集，有效地使模型具备细粒度的空间和量化 awareness。基于此结构化数据训练的 ChangeQuery 框架可作为交互式灾害分析师。它支持由多样化用户查询驱动的多任务推理，提供精确的损伤量化、区域性描述和整体灾后概述。广泛的实验表明，ChangeQuery 建立了新的 state-of-the-art，为复杂灾害监控提供了稳健且可解释的解决方案。代码已公开。
引用
@article{arxiv.2604.22333,
title = {ChangeQuery: Advancing Remote Sensing Change Analysis for Natural and Human-Induced Disasters from Visual Detection to Semantic Understanding},
author = {Dongwei Sun and Jing Yao and Kan Wei and Xiangyong Cao and Chen Wu and Zhenghui Zhao and Pedram Ghamisi and Jun Zhou and Jón Atli Benediktsson},
journal= {arXiv preprint arXiv:2604.22333},
year = {2026}
}