用于高效损伤评估的图像先验与后验条件概率表示
计算机视觉与模式识别
2025-08-06 v1
摘要
对于人类援助与灾害响应（HADR）应用而言，量化损伤评估（DA）十分重要。本文为实现 HADR 中高效且可扩展的 DA，提出了一种图像先验与后验条件概率（IP2CP）表示，作为一种有效的计算成像表示。借助 IP2CP 表示，匹配的前后灾图像被有效编码为单幅图像，随后使用深度学习方法处理以确定损伤等级。我们考察了 HADR 应用中 DA 实际使用的两个至关重要场景：像素级语义分割与基于块对比学习的全局损伤分类。IP2CP 在两种场景中取得的结果均展现出良好性能，表明我们在深度学习框架内基于 IP2CP 的方法能有效实现数据与计算效率，而这正是 HADR 应用中 DA 最为重要的方面。
引用
@article{arxiv.2310.17801,
title = {Image Prior and Posterior Conditional Probability Representation for Efficient Damage Assessment},
author = {Jie Wei and Weicong Feng and Erik Blasch and Erika Ardiles-Cruz and Haibin Ling},
journal= {arXiv preprint arXiv:2310.17801},
year = {2025}
}
备注
6 pages, 2 figures