EIDSeg：用于后地震损害评估的社交媒体图像像素级语义分割数据集
计算机视觉与模式识别
2025-11-17 v2
摘要
快速后地震损害评估对救援与资源规划至关重要。然而，现有遥感方法依赖高成本的航空图像、需要专家标注，仅能提供用于早期评估的二值损害图。尽管社交网络获取的地面图像为填补这一空白提供了宝贵来源，但尚无大规模用于此任务的像素级标注数据集。我们引入 EIDSeg，这是首个专为后地震社交媒体影像构建的大规模语义分割数据集。该数据集包含来自 2008-2023 年九场重大地震的 3,266 张图像，覆盖五类基础设施损害：未受损建筑、受损建筑、被毁建筑、未受损道路和受损道路。我们提出了一套实用的三阶段跨学科标注方案，配套标注指南，使非专业标注者能够实现一致的分割，实现 70% 以上的标注者间一致性。我们对多种最新分割模型进行基准测试，确定仅编码器的 Mask Transformer（EoMT）为表现最佳的方法，平均交并比（mIoU）为 80.8%。通过解锁社交网络丰富的地面视角，我们的工作为后地震场景下的更快、更细粒度的损害评估铺平了道路。
引用
@article{arxiv.2511.06456,
title = {EIDSeg: A Pixel-Level Semantic Segmentation Dataset for Post-Earthquake Damage Assessment from Social Media Images},
author = {Huili Huang and Chengeng Liu and Danrong Zhang and Shail Patel and Anastasiya Masalava and Sagar Sadak and Parisa Babolhavaeji and WeiHong Low and Max Mahdi Roozbahani and J. David Frost},
journal= {arXiv preprint arXiv:2511.06456},
year = {2025}
}
备注
Camera-Ready for AAAI-AISI26