用于交互式森林变化分析的视觉-语言智能体

现代森林监测工作流日益受益于高分辨率卫星影像的不断普及和深度学习的进步。在此背景下，两个持续的挑战是准确的像素级变化检测和针对复杂森林动态的有意义的语义变化描述。虽然大语言模型 (LLM) 正被改编用于交互式数据探索，但它们与视觉-语言模型 (VLM) 在遥感图像变化解释 (RSICI) 中的结合仍有待深入探索。为了填补这一空白，我们引入了一个由 LLM 驱动的智能体，用于集成森林变化分析，支持跨多个 RSICI 任务的自然语言查询。所提出的系统建立在具有基于 LLM 编排的多级变化解释 (MCI) 视觉-语言主干之上。为了促进在森林环境中的适应和评估，我们进一步引入了 Forest-Change 数据集，该数据集包含双时相卫星影像、像素级变化掩膜，以及使用人工标注和基于规则的方法相结合生成的多粒度语义变化描述。实验结果表明，所提出的系统在 Forest-Change 数据集上实现了 67.10% 的 mIoU 和 40.17% 的 BLEU-4 分数，在 LEVIR-MCI-Trees（LEVIR-MCI 基准中专注于树木的子集，用于联合变化检测和描述）上实现了 88.13% 和 34.41%。这些结果突出了交互式、LLM 驱动的 RSICI 系统在提高森林变化分析的可访问性、可解释性和效率方面的潜力。所有数据和代码均公开于 https://github.com/JamesBrockUoB/ForestChat。