論文の概要: FlameVQA: A Physically-Grounded UAV Wildfire VQA Benchmark with Radiometric Thermal Supervision

• arxiv url: http://arxiv.org/abs/2606.27128v1
• Date: Thu, 25 Jun 2026 15:06:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.328524
• Title: FlameVQA: A Physically-Grounded UAV Wildfire VQA Benchmark with Radiometric Thermal Supervision
• Title（参考訳）: FlameVQA: 放射熱シミュレーションによるUAVワイルドファイアVQAベンチマーク
• Abstract要約: UAVからのワイルドファイア監視には、複雑な空中シーンに対する信頼性の高い推論が必要である。 FLAME 3上に構築されたUAVベースの山火事インテリジェンスのためのベンチマークであるFlameVQAを紹介する。 FlameVQAには、6つの運用能力グループにまたがるイメージ毎に34の多重選択質問が含まれている。
• 参考スコア（独自算出の注目度）: 7.940539280743071
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wildfire monitoring from UAVs requires reliable reasoning over complex aerial scenes, where smoke, scale variation, and occlusions often limit RGB-only interpretation. We introduce FlameVQA, a multiple-choice visual question answering benchmark for UAV-based wildfire intelligence built on FLAME 3, leveraging paired RGB imagery and radiometric thermal TIFFs for temperature-grounded, safety-critical reasoning. FlameVQA includes 34 multiple-choice questions per image spanning six operational capability groups, covering tasks such as detection, localization, distribution/coverage estimation, cross-modal reasoning, and flight planning. To ensure label reliability, we combine MLLM-assisted annotation with deterministic thermal rules and cross-question consistency checks, followed by human auditing. We also evaluate representative MLLMs on FlameVQA to provide baselines for future work. Results show strong performance when explicit cross-modal cues are available, but notable failures on presence detection under heavy smoke and on coverage estimation. These findings suggest that current MLLMs require domain-specific adaptation to better support disaster and wildfire monitoring. The dataset and benchmark code are open-source at github.com/mobiiin/WildFire_VQA
• Abstract（参考訳）: UAVからのワイルドファイア監視は、煙、スケールの変動、閉塞がしばしばRGBのみの解釈を制限する複雑な空中シーンに対する信頼性の高い推論を必要とする。 FLAME 3上に構築されたUAVベースの山火事情報のための多点視覚質問応答ベンチマークであるFlameVQAを紹介した。 FlameVQAには、6つの運用能力グループにまたがるイメージ毎34の多重選択質問が含まれており、検出、ローカライゼーション、分布/カバレッジ推定、クロスモーダル推論、フライトプランニングなどのタスクをカバーしている。 ラベルの信頼性を確保するため,MLLMによるアノテーションを決定論的熱規則とクロスクエスト整合性チェックと組み合わせ,続いて人間監査を行う。 また,FlameVQAにおける代表的MLLMを評価し,今後の作業のベースラインを提供する。 その結果、明示的なクロスモーダル・キューが利用可能である場合には高い性能を示すが、重煙下での存在検出やカバレッジ推定では顕著な障害がみられた。 これらの結果から,現在のMLLMは災害や山火事のモニタリングをより支援するために,ドメイン固有の適応を必要とすることが示唆された。 データセットとベンチマークコードはgithub.com/mobiiin/WildFire_VQAでオープンソース化される

関連論文リスト

• Evaluating VLMs for Autonomous Agent-Driven Geometry Clipping Detection in Video Game QA [6.404338288187941]
  エージェント駆動型ゲーム品質保証パイプラインにおける異常検出における視覚言語モデル(VLM)の利用について検討した。 我々は、ゼロショットプロンプト設定下で6つの最近のVLMをベンチマークし、その感度を4つのプロンプト変種に解析する。 以上の結果から,VLMは幾何学的クリッピングに関連する視覚的手がかりを捉えることができるが,視覚的不明瞭なフレームに対して有意な偽陽性が生じることが示唆された。
  論文  参考訳（メタデータ） (2026-07-28T16:10:47Z)
• A Nationwide Benchmark for Wildfire Initial Attack Failure Prediction with Public Environmental Data [62.031815260604056]
  我々は, 火災発見時に利用可能な環境および状況データから, 初期攻撃(IA)障害予測のための米国初の全国規模のベンチマークを提示する。 WILDFIREIAは、自然発生のFPA-FODの山火事を、FIRMS/VIIRS熱検出、グリッドMET気象および消火器変数、LANDFIRE植生、燃料、地形とともに38,128回調整した。 その結果,IA故障予測には,公共の発見時データが有用だが不完全な信号を提供することがわかった。
  論文  参考訳（メタデータ） (2026-06-14T01:03:13Z)
• A Large Scale Open-Source Image and Video Dataset for Robust Wildfire Detection and Classification [9.64327338554444]
  GWFP(Global Wildfire Prevention dataset)は、山火事の画像とビデオの大規模かつオープンソースのデータセットである。 GWFPには、火炎、煙、ウォータードッグ/フォッグの環境条件、近赤外線(NIR)画像、エンバー、現実世界のシナリオから収集された挑戦的な負のサンプルなど、地理的に多様な山火事シーンが含まれている。
  論文  参考訳（メタデータ） (2026-06-08T21:07:53Z)
• WildFireVQA: A Large-Scale Radiometric Thermal VQA Benchmark for Aerial Wildfire Monitoring [7.401378781639051]
  ワイルドファイア監視には、飛行するプラットフォームからのタイムリーで行動可能な状況認識が必要である。 我々は、RGB画像と放射熱データを統合する空中山火事モニタリングのベンチマークであるWildFireVQAを紹介する。 WildFireVQAには6,097のRGB熱サンプルが含まれており、各サンプルにはRGB画像、カラーマップのサーマルビジュアライゼーション、放射熱TIFFが含まれている。
  論文  参考訳（メタデータ） (2026-04-22T05:11:02Z)
• WildfireVLM: AI-powered Analysis for Early Wildfire Detection and Risk Assessment Using Satellite Imagery [1.0907929392898186]
  森林火災は、生態系、人間の生活、インフラに対する脅威が増えている。 本研究では,衛星画像の山火事検出と言語によるリスク評価を組み合わせたAIフレームワークWildfireVLMを紹介する。
  論文  参考訳（メタデータ） (2026-02-09T19:40:50Z)
• CoV: Chain-of-View Prompting for Spatial Reasoning [64.77921266428824]
  CoV(Chain-of-View)は、視覚言語モデルをアクティブな視点推論子に変換する。 我々はOpenEQA上でのCoVの評価を行い、Qwen3-VL-Flashで最大13.62%向上したLLM-Matchで平均+11.56%改善した。
  論文  参考訳（メタデータ） (2026-01-08T17:59:42Z)
• PyroFocus: A Deep Learning Approach to Real-Time Wildfire Detection in Multispectral Remote Sensing Imagery [0.0]
  迅速かつ正確な山火事検出は、緊急対応と環境管理に不可欠である。 空中飛行と宇宙飛行のミッションでは、リアルタイムアルゴリズムは火災、活動的な火災、および発射後の条件を区別しなければならない。 火の分類を行い,火の放射力(FRP)レグレッションやセグメンテーションを施した2段パイプラインであるPyroFocusを導入する。
  論文  参考訳（メタデータ） (2025-12-02T21:59:45Z)
• Reading Between the Lines: Abstaining from VLM-Generated OCR Errors via Latent Representation Probes [79.36545159724703]
  隠れ状態や注目パターンの軽量プローブを学習するためのLRP(Latent Representation Probing)を提案する。 LRPは、ベストベースラインよりも吸音精度を7.6%向上させる。 これにより、デプロイメント対応AIシステムを構築するための原則化されたフレームワークが確立される。
  論文  参考訳（メタデータ） (2025-11-25T00:24:42Z)
• Trust but Verify: Programmatic VLM Evaluation in the Wild [62.14071929143684]
  プログラム型VLM評価(Programmatic VLM Evaluation、PROVE)は、オープンなクエリに対するVLM応答を評価するための新しいベンチマークパラダイムである。 我々は,PROVE上でのVLMの有効性-実効性トレードオフをベンチマークした結果,両者のバランスが良好であることは極めて少ないことがわかった。
  論文  参考訳（メタデータ） (2024-10-17T01:19:18Z)
• FlameFinder: Illuminating Obscured Fire through Smoke with Attentive Deep Metric Learning [11.218765140036254]
  FlameFinderは、山火事の監視中に消防士のドローンの熱画像を使って、煙によって隠されたとしても、炎を正確に検知するように設計されている。 従来のRGBカメラはそのような状況では苦戦するが、熱カメラは煙を吸収する炎の特徴を捉えることができる。 この問題を解決するために、FlameFinderは2枚の熱-RGB画像を用いてトレーニングを行っている。煙のないサンプルから潜熱火炎の特徴を学習することで、モデルは相対的な熱勾配に偏りが小さくなる。
  論文  参考訳（メタデータ） (2024-04-09T23:24:19Z)
• Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
  本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。 本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。 さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
  論文  参考訳（メタデータ） (2022-04-08T15:22:33Z)
• Found a Reason for me? Weakly-supervised Grounded Visual Question Answering using Capsules [85.98177341704675]
  近年,VQAタスクの接地に関する問題が研究コミュニティで注目されている。 カプセル特徴のクエリーに基づく選択機構を備えたビジュアルカプセルモジュールを提案する。 提案するカプセルモジュールを既存のVQAシステムに統合することで,弱教師付き接地作業における性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-05-11T07:45:32Z)

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。