ALGOS：语言引导的地理空间藻类 Bloom 推理与分割
人工智能
2025-11-07 v2 计算机视觉与模式识别
摘要
气候变化正加剧有害藻华(HAB)的发生，尤其是蓝藻，这类藻类通过氧气消耗、毒素释放和破坏海洋生物多样性威胁水生生态系统和人类健康。传统的监测方法，如人工水样采集，仍然 Labor-intensive且在空间和时间覆盖范围上有限。近期在遥感领域出现的视觉-语言模型(VLM)展现了潜在的可扩展 AI 驱动解决方案，但在对图像进行推理和量化 Bloom 的严重程度方面仍面临挑战。本文引入 ALGae Observation and Segmentation(ALGOS)，一个用于 HAB 监测的分割与推理系统，将遥感图像理解与严重程度估计相结合。我们的方法集成了 GeoSAM 辅助的人类评估，以获得高质量的分割掩码并针对严重程度预测对视觉语言模型进行微调，使用来自 NASA 的 Cyanobacteria Aggregated Manual Labels(CAML)。实验表明，ALGOS 在分割和严重程度水平估计方面均表现出健壮性，为实现实际且自动化的蓝藻监测系统铺平了道路。
引用
@article{arxiv.2510.18751,
title = {Seg the HAB: Language-Guided Geospatial Algae Bloom Reasoning and Segmentation},
author = {Patterson Hsieh and Jerry Yeh and Mao-Chi He and Wen-Han Hsieh and Elvis Hsieh},
journal= {arXiv preprint arXiv:2510.18751},
year = {2025}
}