智能迁移：利用视觉基础模型进行地震后高分辨图像建筑损伤快速映射
计算机视觉与模式识别
2026-04-06 v1 人工智能
多媒体
摘要
在气候变化的时代，人类社会正面临更频繁和更严重的自然灾害。作为结果，迅速响应地震后的“72小时黄金窗口”进行搜救已成为一项至关重要的人道主义必要条件和社区关切。然而，传统的灾后损伤调查往往难以在不同城市形态和新灾情境况下普遍化。有效的损伤映射通常需要耗时的大量手动数据标注。为此，本文引入了一种新型的 Geospatial 人工智能（GeoAI）框架——Smart Transfer，利用最先进的视觉基础模型（Foundation Models, FMs）进行地震后 Very High Resolution（VHR）图像的建筑损伤快速映射。具体而言，我们设计了两种新颖的模型迁移策略：其一，像素级聚类（Pixel-wise Clustering, PC），确保稳健的原型级全局特征对齐；其二，距离惩罚三元组（Distance-Penalized Triplet, DPT），通过对语义不一致但空间相邻的图像块赋予更大惩罚来整合 patch 级空间自相关模式。 extensive 实验和消融研究表明，在最近的 2023 年土耳其-叙利亚地震情境下，Smart Transfer 在多个跨域迁移设置（Leave One Domain Out, LODO 和 Specific Source Domain Combination, SSDC）中表现出有前景的性能。此外，Smart Transfer 提供了一个可扩展、自动化的 GeoAI 解决方案，以加速建筑损伤映射并支持快速灾后响应，为增强气候脆弱地区和社区的韧性提供了新机遇。数据和代码已公开于 https://github.com/ai4city-hkust/SmartTransfer。
引用
@article{arxiv.2604.02627,
title = {Smart Transfer: Leveraging Vision Foundation Model for Rapid Building Damage Mapping with Post-Earthquake VHR Imagery},
author = {Hao Li and Liwei Zou and Wenping Yin and Gulsen Taskin and Naoto Yokoya and Danfeng Hong and Wufan Zhao},
journal= {arXiv preprint arXiv:2604.02627},
year = {2026}
}