論文の概要: Integration of Large Vision Language Models for Efficient Post-disaster Damage Assessment and Reporting

• arxiv url: http://arxiv.org/abs/2411.01511v1
• Date: Sun, 03 Nov 2024 10:25:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:38:14.525004
• Title: Integration of Large Vision Language Models for Efficient Post-disaster Damage Assessment and Reporting
• Title（参考訳）: 災害後の被害評価・報告のための大規模視覚言語モデルの統合
• Authors: Zhaohui Chen, Elyas Asadi Shamsabadi, Sheng Jiang, Luming Shen, Daniel Dias-da-Costa,
• Abstract要約: DisasTellerは、ディスアスター後管理におけるタスクの自動化を目的とした、最初のマルチLVLMベースのフレームワークである。 DisasTellerは、災害対応アクティビティを自律的に実装し、人間の実行時間を短縮し、リソースの分散を最適化する。
• 参考スコア（独自算出の注目度）: 2.023914201416672
• License:
• Abstract: Traditional natural disaster response involves significant coordinated teamwork where speed and efficiency are key. Nonetheless, human limitations can delay critical actions and inadvertently increase human and economic losses. Agentic Large Vision Language Models (LVLMs) offer a new avenue to address this challenge, with the potential for substantial socio-economic impact, particularly by improving resilience and resource access in underdeveloped regions. We introduce DisasTeller, the first multi-LVLM-powered framework designed to automate tasks in post-disaster management, including on-site assessment, emergency alerts, resource allocation, and recovery planning. By coordinating four specialised LVLM agents with GPT-4 as the core model, DisasTeller autonomously implements disaster response activities, reducing human execution time and optimising resource distribution. Our evaluations through both LVLMs and humans demonstrate DisasTeller's effectiveness in streamlining disaster response. This framework not only supports expert teams but also simplifies access to disaster management processes for non-experts, bridging the gap between traditional response methods and LVLM-driven efficiency.
• Abstract（参考訳）: 従来の自然災害対応には、スピードと効率性が鍵となる重要な調整されたチームワークが含まれます。 それでも、人間の制限は重大な行動を遅らせ、必然的に人的・経済的損失を増大させる可能性がある。 エージェント型大規模視覚言語モデル(LVLM)は、特に未発達の地域でのレジリエンスと資源アクセスを改善することで、社会・経済的な大きな影響をもたらす可能性のある、この課題に対処するための新たな道を提供する。 DisasTellerは,現場評価,緊急警報,資源配分,復旧計画など,災害後管理におけるタスクの自動化を目的とした,最初のマルチLVLMフレームワークである。 コアモデルとして4つの特別LVLMエージェントをGPT-4でコーディネートすることで、DisasTellerは災害対応活動を自律的に実装し、人的実行時間を短縮し、リソース分布を最適化する。 災害応答の合理化におけるDisasTellerの有効性について,LVLMと人間による評価を行った。 このフレームワークは、専門家チームだけでなく、非専門家のための災害管理プロセスへのアクセスを簡素化し、従来のレスポンスメソッドとLVLM駆動の効率のギャップを埋める。

関連論文リスト

• Supportiveness-based Knowledge Rewriting for Retrieval-augmented Language Modeling [65.72918416258219]
  支援性に基づく知識書き換え(SKR)は、LLM生成に本質的に最適化された堅牢でプラガブルな知識書き換えである。 知識支援に基づき、まず、リライターモデルのためのトレーニングデータキュレーション戦略を設計する。 次に、生成したリライトを最適な支持度に調整するために、直接選好最適化(DPO)アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2024-06-12T11:52:35Z)
• LLM-Based Cooperative Agents using Information Relevance and Plan Validation [5.299803738642663]
  多エージェント協調は、3Dシーンと相互作用し、複雑な部分的な観察の下で分散エージェントと協調する。 現在のシステムは、観測を通して取得した情報を管理するのに非効率であることを示す。 空間データを意思決定プロセスに組み込むことの失敗は、エージェントが最適化された軌跡を構築する能力を制限する。 GPT-3.5を利用した新しい認知アーキテクチャREVECA(Relevance and Validation-Enhanced Cooperative Language Agent)を提案する。
  論文  参考訳（メタデータ） (2024-05-27T01:47:14Z)
• Towards Efficient LLM Grounding for Embodied Multi-Agent Collaboration [70.09561665520043]
  本稿では,多エージェント協調のための新しいフレームワークを提案する。これは,効率的な自己調整のための強化アドバンテージフィードバック(Reinforced Advantage feedback, ReAd)を導入する。 強化学習における重み付き回帰を多エージェントシステムに拡張して理論的解析を行う。 Over-AIと難解なRoCoBenchの実験は、ReAdが成功率のベースラインを超え、エージェントの相互作用ステップを著しく減少させることを示している。
  論文  参考訳（メタデータ） (2024-05-23T08:33:19Z)
• KIEval: A Knowledge-grounded Interactive Evaluation Framework for Large Language Models [53.84677081899392]
  KIEvalは、大規模言語モデルのための知識ベースでインタラクティブな評価フレームワークである。 動的汚染耐性評価を達成するために、LSMを動力とする"インターアクター"の役割を初めて取り入れている。 5つのデータセットにわたる7つのLLMの大規模な実験により、KIEvalの有効性と一般化が検証された。
  論文  参考訳（メタデータ） (2024-02-23T01:30:39Z)
• The Stochastic Dynamic Post-Disaster Inventory Allocation Problem with Trucks and UAVs [1.3812010983144802]
  人道的物流事業は、災害地域における援助の需要の高まりにより困難が増している。 本報告では, 被災地域における空き地供給の動的配分について, 時間とともに検討する。 これは、トラックや無人航空機が救援物資を配達する際の、新しい動的事後在庫配分問題を導入している。
  論文  参考訳（メタデータ） (2023-11-30T19:03:04Z)
• Proactive Resource Request for Disaster Response: A Deep Learning-based Optimization Model [0.2580765958706854]
  我々は,要求される資源の最適量を積極的に決定する新たな資源管理問題を開発する。 我々は,問題の健全な特性を考慮に入れ,今後の需要予測のための新しいディープラーニング手法を開発した。 実世界とシミュレーションデータの両方を用いて,既存手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-07-31T13:44:01Z)
• Leveraging Domain Knowledge for Inclusive and Bias-aware Humanitarian Response Entry Classification [3.824858358548714]
  我々は人道的データ分析のための効果的かつ倫理的なシステムの提供を目指している。 人道分析フレームワークに適応した新しいアーキテクチャを導入する。 我々はまた、測定とバイアスの体系的な方法を提案する。
  論文  参考訳（メタデータ） (2023-05-26T09:15:05Z)
• On the Risk of Misinformation Pollution with Large Language Models [127.1107824751703]
  本稿では,現代大規模言語モデル (LLM) の誤用の可能性について検討する。 本研究は, LLMが効果的な誤情報発生器として機能し, DOQAシステムの性能が著しく低下することを明らかにする。
  論文  参考訳（メタデータ） (2023-05-23T04:10:26Z)
• Persistent Reinforcement Learning via Subgoal Curricula [114.83989499740193]
  VaPRL(Value-accelerated Persistent Reinforcement Learning)は、初期状態のカリキュラムを生成する。 VaPRLは、エピソード強化学習と比較して、3桁の精度で必要な介入を減らす。
  論文  参考訳（メタデータ） (2021-07-27T16:39:45Z)
• Efficient Strategy Synthesis for MDPs with Resource Constraints [16.774128823546416]
  我々は,消費マルコフ決定過程と呼ばれる形式に対する戦略合成を考える。 提示されたアルゴリズムは、モデルの表現に関して時間的に機能する。
  論文  参考訳（メタデータ） (2021-05-05T14:59:30Z)
• Bottom-up mechanism and improved contract net protocol for the dynamic task planning of heterogeneous Earth observation resources [61.75759893720484]
  地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。 観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。 不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
  論文  参考訳（メタデータ） (2020-07-13T03:51:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。