Recov-Vision：将街景影像与视觉语言模型关联用于灾后恢复
机器学习
2025-09-26 v1 人工智能
摘要
灾后建筑层级占用情况对于分诊、检查、电力恢复以及公平资源分配至关重要。俯瞰影像提供快速覆盖，但常常遗漏建筑立面和通道线索，这些线索决定建筑的可居住性；而街景影像捕获这些细节，但稀疏且难以与地块对齐。我们提出了FacadeTrack，一个基于语言引导的街级框架，将全景视频与地块关联，校正视角以建筑立面，并提取可解释属性（例如入口阻塞、临时覆盖、局部碎石），驱动两种决策策略：一种是透明的单阶段规则，另一种是分离感知与保守推理的两阶段设计。在两个灾后海伈尔纳（Hurricane Helene）调查中，两阶段方法实现了0.927的精确率、0.781的召回率和0.848的F-1分数，与单阶段基线相比分别为0.943的精确率、0.728的召回率和0.822的F-1分数。除了准确率外，中间属性和空间诊断揭示了残差错误的发生位置和原因，使有针对性的质量控制成为可能。该管道提供可审计、可扩展的占用评估，适合集成到地理信息和应急管理工作流程中。
引用
@article{arxiv.2509.20627,
title = {Personalized Federated Dictionary Learning for Modeling Heterogeneity in Multi-site fMRI Data},
author = {Yipu Zhang and Chengshuo Zhang and Ziyu Zhou and Gang Qu and Hao Zheng and Yuping Wang and Hui Shen and Hongwen Deng},
journal= {arXiv preprint arXiv:2509.20627},
year = {2025}
}