ELDOR：针对亚马逊雨林非法金矿的数据集与基准
计算机视觉与模式识别
2026-05-18 v1
摘要
非法金矿导致亚马逊雨林森林砍伐、水体污染和长期生态破坏，但在细小尺度监控仍然困难。卫星图像支持大规模观察，但常常错过小型矿业相关结构和细微的植被转变，尤其在频繁云层覆盖下。我们引入 ELDOR，一个用于监控亚马逊雨林非法金矿环境和景观扰动的大规模 UAV 基准数据集。ELDOR 包含超过 2,500 公顷的人工标注正射马赛克图像，对矿业相关活动和周围生态结构都有像素级语义标签。凭借这一统一的标注来源，我们建立了四个基准任务：语义分割、分割派生识别、直接多标签分类和视觉语言模型下的类别存在识别。在这些任务下，我们比较了通用和遥感专用的分割模型、与视觉基础模型相关的分割方法、直接多标签分类方法和视觉语言模型，在受控封闭集协议下进行比较。结果表明，当前方法在处理罕见的小规模矿业结构和细粒度恢复类别方面仍存在挑战，表明需要基于上下文和多模态建模。为支持领域分析和实际应用，我们进一步构建了一个用于领域专家的交互式探索器，提供数据探索和模型推理的统一界面。
引用
@article{arxiv.2605.15397,
title = {ELDOR: A Dataset and Benchmark for Illegal Gold Mining in the Amazon Rainforest},
author = {Kangning Cui and Surendra Bohara and Suraj Prasai and Zishan Shao and Wei Tang and Martin Pillaca and Edwin Flores and Zhen Yang and Gregory Larsen and Evan Dethier and David Lutz and Jean-Michel Morel and Miles Silman and Victor Pauca and Fan Yang},
journal= {arXiv preprint arXiv:2605.15397},
year = {2026}
}
备注
70 pages, 35 figures, 28 tables