从像素到损伤严重度：利用社交媒体图像的语义分割评估地震影响
计算机视觉与模式识别
2025-07-04 v1 社会与信息网络
摘要
在地震发生后，社交媒体图像已成为灾害勘察的关键资源，能即时提供关于破坏程度的见解。评估震后社交媒体图像损伤严重度的传统方法通常依赖于分类方法，这些方法本质上是主观的，且无法解释图像内不同程度的损伤。针对这些局限性，本研究提出了一种新方法，将损伤严重度评估构建为一个语义分割问题，旨在对地震影响区域进行更客观的分析。该方法包括构建一个分割后的损伤严重度数据集，将损伤分为三个等级：未损坏结构、损坏结构和废墟。利用该数据集，本研究微调了一个SegFormer模型，以生成震后社交媒体图像的损伤严重度分割图。此外，引入了一个新的损伤严重度评分系统，通过考虑图像内不同区域不同程度的损伤（并根据深度估计进行调整）来量化损伤。该方法的应用使得能够以更客观、更全面的方式量化社交媒体图像中的损伤严重度。通过提供对损伤的细致理解，本研究增强了向灾害勘察团队提供精确指导的能力，从而促进地震后更有效、更有针对性的响应工作。
引用
@article{arxiv.2507.02781,
title = {From Pixels to Damage Severity: Estimating Earthquake Impacts Using Semantic Segmentation of Social Media Images},
author = {Danrong Zhang and Huili Huang and N. Simrill Smith and Nimisha Roy and J. David Frost},
journal= {arXiv preprint arXiv:2507.02781},
year = {2025}
}