論文の概要: ChangeQuery: Advancing Remote Sensing Change Analysis for Natural and Human-Induced Disasters from Visual Detection to Semantic Understanding

• arxiv url: http://arxiv.org/abs/2604.22333v1
• Date: Fri, 24 Apr 2026 08:05:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.393001
• Title: ChangeQuery: Advancing Remote Sensing Change Analysis for Natural and Human-Induced Disasters from Visual Detection to Semantic Understanding
• Title（参考訳）: ChangeQuery:視覚的検出から意味的理解への自然災害と人的災害のリモートセンシング変化分析の改善
• Authors: Dongwei Sun, Jing Yao, Kan Wei, Xiangyong Cao, Chen Wu, Zhenghui Zhao, Pedram Ghamisi, Jun Zhou, Jón Atli Benediktsson,
• Abstract要約: ChangeQueryは、総合的で全天候の災害状況認識のために設計された統合されたマルチモーダルフレームワークである。 正確な損傷定量化、地域固有の記述、総合的な災害後の要約を提供するために、構造化されたデータに基づいて訓練されている。 実験では、ChangeQueryが新しい最先端のソリューションを確立し、複雑な災害監視のための堅牢で解釈可能なソリューションを提供することを示した。
• 参考スコア（独自算出の注目度）: 26.48338017389645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid situational awareness is critical in post-disaster response. While remote sensing damage assessment is evolving from pixel-level change detection to high-level semantic analysis, existing vision-language methodologies still struggle to provide actionable intelligence for complex strategic queries. They remain severely constrained by unimodal optical dependence, a prevailing bias towards natural disasters, and a fundamental lack of grounded interactivity. To address these limitations, we present ChangeQuery, a unified multimodal framework designed for comprehensive, all-weather disaster situation awareness. To overcome modality constraints and scenario biases, we construct the Disaster-Induced Change Query (DICQ) dataset, a large-scale benchmark coupling pre-event optical semantics with post-event SAR structural features across a balanced distribution of natural catastrophes and armed conflicts. Furthermore, to provide the high-quality supervision required for interactive reasoning, we propose a novel Automated Semantic Annotation Pipeline. Adhering to a ``statistics-first, generation-later'' paradigm, this engine automatically transforms raw segmentation masks into grounded, hierarchical instruction sets, effectively equipping the model with fine-grained spatial and quantitative awareness. Trained on this structured data, the ChangeQuery architecture operates as an interactive disaster analyst. It supports multi-task reasoning driven by diverse user queries, delivering precise damage quantification, region-specific descriptions, and holistic post-disaster summaries. Extensive experiments demonstrate that ChangeQuery establishes a new state-of-the-art, providing a robust and interpretable solution for complex disaster monitoring. The code is available at \href{https://sundongwei.github.io/changequery/}{https://sundongwei.github.io/changequery/}.
• Abstract（参考訳）: 急激な状況認識は、災害後の反応において重要である。 リモートセンシングによる損傷評価は、ピクセルレベルの変化検出から高レベルの意味分析へと進化しているが、既存の視覚言語手法は複雑な戦略的クエリに対して実行可能なインテリジェンスの提供に苦慮している。 それらは、単調な光学的依存、自然災害への偏見、接地された相互作用の根本的な欠如により、厳しい制約を受け続けている。 これらの制限に対処するため、我々はChangeQueryという統合されたマルチモーダル・フレームワークを紹介した。 本研究では,災害に伴う変化クエリ(DICQ)データセットを構築し,自然災害と武力紛争のバランスの取れた分布にまたがって,時間後SARの構造的特徴と大規模ベンチマークを結合する。 さらに,対話的推論に必要な高品質な監視を実現するために,自動意味アノテーションパイプラインを提案する。 このエンジンは'統計第一世代後'のパラダイムに則り、生のセグメンテーションマスクを基底的で階層的な命令セットに自動的に変換し、そのモデルに詳細な空間的および定量的な認識を効果的に装備する。 この構造化データに基づいてトレーニングされたChangeQueryアーキテクチャは、インタラクティブな災害アナリストとして動作する。 多様なユーザクエリによって駆動されるマルチタスク推論をサポートし、正確なダメージ定量化、地域固有の説明、総合的な事後要約を提供する。 大規模な実験では、ChangeQueryが新しい最先端のソリューションを確立し、複雑な災害監視のための堅牢で解釈可能なソリューションを提供することを示した。 コードは \href{https://sundongwei.github.io/changequery/}{https://sundongwei.github.io/changequery/} で公開されている。

関連論文リスト

• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• Cascading multi-agent anomaly detection in surveillance systems via vision-language models and embedding-based classification [0.0]
  この研究は、補完パラダイムをコヒーレントで解釈可能なアーキテクチャに統一するカスケーディングマルチエージェントフレームワークを導入している。 初期モジュールは再構成ゲートフィルタリングとオブジェクトレベルの評価を行い、高レベルの推論エージェントは、意味的に曖昧な事象を解釈するために選択的に呼び出される。 このフレームワークは、早期出力効率、適応型マルチエージェント推論、説明可能な異常属性を組み合わせることで、従来の検出パイプラインを超えて進歩し、スケーラブルなインテリジェントなビジュアル監視のための再現可能でエネルギー効率の良い基盤を確立する。
  論文  参考訳（メタデータ） (2026-01-08T11:31:47Z)
• Shared Representation Learning for High-Dimensional Multi-Task Forecasting under Resource Contention in Cloud-Native Backends [12.826922983028082]
  本研究では,クラウドネイティブバックエンドシステムの予測要求を満たすため,高次元マルチタスク時系列の統一予測フレームワークを提案する。 本手法は,多様なモニタリング指標を統一的に表現するための共有符号化構造を構築する。 ノード間の潜在的な依存関係をモデル化するために、クロスタスク構造伝搬モジュールが導入された。
  論文  参考訳（メタデータ） (2025-12-24T11:02:03Z)
• Robust Visual Localization via Semantic-Guided Multi-Scale Transformer [3.3106947066548167]
  マルチスケール特徴学習とセマンティックシーン理解を組み合わせたフレームワークを提案する。 本手法では, 空間的変化に適応しつつ, 空間的精度を保ちながら, 幾何学的詳細と文脈的手がかりを融合する階層変換器を用いる。
  論文  参考訳（メタデータ） (2025-06-10T07:44:53Z)
• Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
  ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。 ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
  論文  参考訳（メタデータ） (2025-06-01T22:55:55Z)
• Urban Traffic Accident Risk Prediction Revisited: Regionality, Proximity, Similarity and Sparsity [18.566139471849844]
  交通事故は人間の健康と財産の安全に重大な危険をもたらす。 交通事故を防ぐために、リスクを予測することで関心が高まっている。 望ましい予測ソリューションは、交通事故の複雑さに対するレジリエンスを示すべきである、と我々は主張する。
  論文  参考訳（メタデータ） (2024-07-29T03:10:15Z)
• Typhoon Intensity Prediction with Vision Transformer [51.84456610977905]
  台風強度を正確に予測するために「台風強度変換器(Tint)」を導入する。 Tintは、層ごとにグローバルな受容野を持つ自己認識機構を使用する。 公開されている台風ベンチマークの実験は、Tintの有効性を検証する。
  論文  参考訳（メタデータ） (2023-11-28T03:11:33Z)

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。