論文の概要: Automated urban waterlogging assessment and early warning through a mixture of foundation models

• arxiv url: http://arxiv.org/abs/2510.18425v1
• Date: Tue, 21 Oct 2025 08:59:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.164371
• Title: Automated urban waterlogging assessment and early warning through a mixture of foundation models
• Title（参考訳）: 基礎モデルの混合による都市透かしの自動評価と早期警告
• Authors: Chenxu Zhang, Fuxiang Huang, Lei Zhang,
• Abstract要約: 都市防水は、世界の公共の安全とインフラにますます深刻な脅威をもたらす。 既存のモニタリングアプローチは手動によるレポートに大きく依存しており、タイムリーで包括的な評価を提供していない。 本稿では, 監視画像中の透かし領域を自動的に識別し, 構造化された評価レポートを生成する基盤モデル駆動型フレームワークであるUWAssessを提案する。
• 参考スコア（独自算出の注目度）: 17.44149264525115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With climate change intensifying, urban waterlogging poses an increasingly severe threat to global public safety and infrastructure. However, existing monitoring approaches rely heavily on manual reporting and fail to provide timely and comprehensive assessments. In this study, we present Urban Waterlogging Assessment (UWAssess), a foundation model-driven framework that automatically identifies waterlogged areas in surveillance images and generates structured assessment reports. To address the scarcity of labeled data, we design a semi-supervised fine-tuning strategy and a chain-of-thought (CoT) prompting strategy to unleash the potential of the foundation model for data-scarce downstream tasks. Evaluations on challenging visual benchmarks demonstrate substantial improvements in perception performance. GPT-based evaluations confirm the ability of UWAssess to generate reliable textual reports that accurately describe waterlogging extent, depth, risk and impact. This dual capability enables a shift of waterlogging monitoring from perception to generation, while the collaborative framework of multiple foundation models lays the groundwork for intelligent and scalable systems, supporting urban management, disaster response and climate resilience.
• Abstract（参考訳）: 気候変動の激化に伴い、都市部のウォーターログは世界の公共の安全とインフラにますます深刻な脅威をもたらす。 しかし、既存のモニタリングアプローチは手動によるレポートに大きく依存しており、タイムリーで包括的なアセスメントを提供していない。 本研究では,監視画像中の透かし領域を自動的に識別し,構造化された評価レポートを生成する基盤モデル駆動型フレームワークであるUWAssessを提案する。 ラベル付きデータの不足に対処するため,半教師付き微調整戦略とチェーン・オブ・シント(CoT)を設計し,データスカース下流タスクの基盤モデルの可能性を解き放つ戦略を提案する。 挑戦的なビジュアルベンチマークの評価は、認識性能を大幅に改善したことを示している。 GPTに基づく評価では、水深、深さ、リスク、影響を正確に記述した信頼性の高いテキストレポートを生成するUWAssessの能力が確認されている。 複数の基盤モデルの協調的なフレームワークは、インテリジェントでスケーラブルなシステムの基盤となり、都市管理、災害対応、気候回復をサポートする。

関連論文リスト

• Machine Learning for Proactive Groundwater Management: Early Warning and Resource Allocation [1.372066170415575]
  我々は,気候データ,水文気象記録,生理特性を用いて地下水位を推定する機械学習パイプラインを開発した。 我々のアプローチは、地理空間前処理、ドメイン駆動機能エンジニアリング、監視制限を克服する自動モデル選択を統合している。
  論文  参考訳（メタデータ） (2025-06-18T00:41:04Z)
• REOBench: Benchmarking Robustness of Earth Observation Foundation Models [48.24281482353377]
  REOBenchは、地球観測基盤モデルの堅牢性を評価するための最初の総合的なベンチマークである。 マスク付き画像モデリング、コントラスト学習、視覚言語事前学習パラダイムを用いて訓練された幅広いモデルの体系的評価を行う。 その結果, 既存の地球観測基盤モデルでは, 入力汚損に晒された場合, 顕著な性能劣化がみられた。
  論文  参考訳（メタデータ） (2025-05-22T15:34:50Z)
• Cluster-Aware Attacks on Graph Watermarks [50.19105800063768]
  本稿では,コミュニティ誘導型修正を回避できるクラスタ・アウェア・脅威モデルを提案する。 その結果,クラスタ・アウェア・アタックは,ランダムなベースラインよりも最大80%の精度でアトリビューション精度を低下させることができることがわかった。 グラフコミュニティにまたがる透かしノードを分散する軽量な埋め込み拡張を提案する。
  論文  参考訳（メタデータ） (2025-04-24T22:49:28Z)
• Evaluating Time Series Models for Urban Wastewater Management: Predictive Performance, Model Complexity and Resilience [1.0499611180329806]
  気候変動は極端な降雨頻度を増大させ、特に複合下水道システム(CSS)の都市インフラに大きな歪みを生じさせる 汚染されたCSSからの過剰流出は未処理の排水を表層水に放出し、環境と公衆衛生のリスクを生じさせる。 従来の物理学に基づくモデルは効果的であるが、維持には費用がかかり、進化するシステムの力学に適応することが困難である。 機械学習アプローチは、より適応性の高いコスト効率の良い代替手段を提供する。
  論文  参考訳（メタデータ） (2025-04-24T11:52:13Z)
• Learning Underwater Active Perception in Simulation [51.205673783866146]
  タービディティは、検査された構造物の正確な視覚的記録を阻止する可能性があるため、ミッション全体を危険に晒す可能性がある。 従来の研究は、濁度や後方散乱に適応する手法を導入してきた。 本研究では, 広範囲の水環境下での高品質な画像取得を実現するための, 単純かつ効率的なアプローチを提案する。
  論文  参考訳（メタデータ） (2025-04-23T06:48:38Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
  本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。 本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。 この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• Towards More Robust Retrieval-Augmented Generation: Evaluating RAG Under Adversarial Poisoning Attacks [45.07581174558107]
  Retrieval-Augmented Generation (RAG) システムは幻覚を緩和するための有望な解決策として登場した。 RAGシステムは、検索コーパスに注入された悪意のある通路が、モデルに誤った結果をもたらす可能性がある、敵の毒殺攻撃に対して脆弱である。 本稿では、RAGシステムがこのような攻撃下でどのように振る舞うか、その堅牢性がどのように改善されるかについて、厳密に制御された実証研究を示す。
  論文  参考訳（メタデータ） (2024-12-21T17:31:52Z)
• SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
  気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。 本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
  論文  参考訳（メタデータ） (2024-09-25T16:50:59Z)
• AB2CD: AI for Building Climate Damage Classification and Detection [0.0]
  本研究では, 自然災害の文脈において, 建物の損傷評価を正確に行うための深層学習手法の実装について検討する。 我々は,低品質・騒音ラベルの影響を考慮しつつ,新たな災害・地域への一般化の課題に取り組む。 我々の研究結果は、気候変動によって引き起こされる極端気象事象の影響評価を強化するための高度なAIソリューションの可能性と限界を示している。
  論文  参考訳（メタデータ） (2023-09-03T03:37:04Z)
• Censored Deep Reinforcement Patrolling with Information Criterion for Monitoring Large Water Resources using Autonomous Surface Vehicles [0.0]
  本研究は,自律走行車を用いた大規模水資源モニタリングの枠組みを提案する。 データに対する不確実性低減の尺度として情報ゲインを用いて,モデルに基づく障害物回避のためのQ-Censoring機構によって改良されたディープQ-ラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-12T07:33:46Z)

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。