WildFireCan-MMD：野火背景下用户生成内容分类的多模态数据集
计算机视觉与模式识别
2025-11-12 v4 人工智能
摘要
野火期间快速获取信息至关重要，但传统数据源往往滞后且成本高昂。社交媒体提供实时信息，但从中提取相关见解仍是一个挑战。本文聚焦野火社交媒体多模态数据，尽管现有数据集已包含此类数据，但在加拿大语境下仍显得不足。我们呈现WildFireCan-MMD，这是一个来自最近加拿大野火事件的 X 篇帖子多模态数据集，涵盖十二个关键主题。我们评估了在该数据集上进行零样本视觉语言模型，并将其结果与自定义训练模型和基线分类器进行比较。我们表明，尽管基线方法和零样本提示提供了快速部署能力，但在标注数据可得时，定制训练模型性能更佳。我们最佳模型达到84.48%的 F-score，超越了视觉语言模型和基线分类器。我们还展示了如何利用该模型结合大量无标签数据集来发现野火期间的趋势。该数据集促进了野火应急响应的未来研究，我们的发现凸显了局部化数据集和任务特定训练的重要性。值得注意的是，这类数据集应具有局部化特性，因为灾害应急需求在不同地区和情境中各不相同。
引用
@article{arxiv.2504.13231,
title = {WildFireCan-MMD: A Multimodal Dataset for Classification of User-Generated Content During Wildfires in Canada},
author = {Braeden Sherritt and Isar Nejadgholi and Efstratios Aivaliotis and Khaled Mslmani and Marzieh Amini},
journal= {arXiv preprint arXiv:2504.13231},
year = {2025}
}