論文の概要: Assessing the Benefits of Combining Advanced Deep Learning Techniques for Post-Disaster Building Damage Assessment from UAV Imagery

• arxiv url: http://arxiv.org/abs/2608.01906v1
• Date: Mon, 03 Aug 2026 08:39:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.414123
• Title: Assessing the Benefits of Combining Advanced Deep Learning Techniques for Post-Disaster Building Damage Assessment from UAV Imagery
• Title（参考訳）: UAV画像による災害後の建物被害評価における高度な深層学習手法の併用効果の評価
• Abstract要約: 本稿では,損傷評価から検出を分離するハイブリッドフレームワークを提案する。 CVモデルはまず建物を検知し、画像上の境界ボックスを生成し、損傷分類と文脈解釈のためにLVLMに渡される。 我々はRescueNetとFloodNetの2つの実世界のベンチマークでフレームワークを評価した。
• 参考スコア（独自算出の注目度）: 3.016488960368601
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid and accurate post-disaster building damage assessment is essential, yet remains a challenging task. Unmanned Aerial Vehicle (UAV) imagery offers a timely and high-resolution view of affected areas, but existing Computer Vision (CV) models often demand large annotated datasets, generalize poorly across geographic regions and their assessment policies, and are confined to the specific tasks they were trained for. Large Vision-Language Models (LVLMs) offer a promising alternative through their strong reasoning and generalization capabilities, but fall short on precise, low-level perception tasks such as object detection and accurate bounding box generation. Furthermore, they often require a substantial amount of data for effective fine-tuning on domain-specific tasks. In this paper, we propose a hybrid framework that decouples detection from damage assessment, combining the precision of CV models with the reasoning power of LVLMs. A CV model first detects buildings and generates bounding boxes on the image that are then passed to an LVLM for damage classification and contextual interpretation. We evaluated our framework on two real-world benchmarks: RescueNet and FloodNet. In particular, the best combination under this framework accurately counts intact, partially damaged and completely destroyed buildings, surpassing isolated baselines by up to 2.1 R^2 points, while requiring only limited annotated data for the detection stage. Beyond reporting aggregate gains, we provide a detailed analysis of failure scenarios and edge cases, offering practical insights for practitioners and concrete directions for future work. Our source code and data are publicly available to the research community via the following repository: https://github.com/ungquanghuy-kddi/VLM_GDINO.git
• Abstract（参考訳）: 急速かつ正確な建築被害評価は不可欠だが、依然として困難な課題である。 無人航空機(UAV)の画像は、影響を受けた地域のタイムリーで高解像度のビューを提供するが、既存のコンピュータビジョン(CV)モデルは、しばしば大きな注釈付きデータセットを必要とし、地理的領域とそれらの評価ポリシーを不適切に一般化し、訓練された特定のタスクに限定される。 LVLM(Large Vision-Language Models)は、強力な推論と一般化能力を通じて、有望な代替手段を提供するが、オブジェクト検出や正確なバウンディングボックス生成のような、正確で低レベルな認識タスクでは不十分である。 さらに、ドメイン固有のタスクを効果的に微調整するために、かなりの量のデータを必要とすることが多い。 本稿では,CVモデルの精度とLVLMの推算能力を組み合わせた,損傷評価から検出を分離するハイブリッドフレームワークを提案する。 CVモデルはまず建物を検知し、画像上の境界ボックスを生成し、損傷分類と文脈解釈のためにLVLMに渡される。 私たちは、RescueNetとFloodNetという2つの実世界のベンチマークでフレームワークを評価しました。 特に、この枠組みの下での最良の組み合わせは、検出段階では限定的な注釈データしか必要とせず、孤立したベースラインを2.1R^2ポイントまで越え、無傷、部分的に損傷し、完全に破壊された建物を正確に数えている。 総合的な成果の報告以外にも、障害シナリオとエッジケースの詳細な分析を提供し、実践者のための実践的な洞察と、将来の作業のための具体的な方向性を提供します。 私たちのソースコードとデータは、以下のリポジトリを通じて、研究コミュニティに公開されています。

関連論文リスト

• DamageScope: Vision-Language Retrieval at Scale for Disaster Damage Assessment from Satellite Imagery [6.514592086157328]
  damageScopeは、衛星画像とVLM(Vision-Language Models)とLLM(Large Language Models)を組み合わせた検索拡張フレームワークである。 Retrieval-Augmented Generation (RAG) フレームワーク上に構築され、衛星画像から構造化された視覚的表現を抽出し、損傷評価のための対話型自然言語クエリをサポートする。
  論文  参考訳（メタデータ） (2026-08-21T18:09:21Z)
• Seeing the Unseen: Towards Zero-Shot Inspection for Wind Turbine Blades using Knowledge-Augmented Vision Language Models [10.230967860299504]
  本稿では,ゼロショット指向の検査フレームワークを提案し,視覚言語モデルとRetrieval-Augmented Generationを統合した。 技術ドキュメント、代表参照画像、ドメイン固有のガイドラインを含むマルチモーダル知識ベースを構築する。 各種損傷カテゴリをカバーする30のラベル付きブレード画像上での枠組みの評価を行った。
  論文  参考訳（メタデータ） (2025-10-26T23:19:28Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV [58.89234732689013]
  CODroneは、現実の状況を正確に反映した、UAVのための包括的なオブジェクト指向オブジェクト検出データセットである。 また、下流のタスク要求に合わせて設計された新しいベンチマークとしても機能する。 我々は、CODroneを厳格に評価するために、22の古典的またはSOTA法に基づく一連の実験を行う。
  論文  参考訳（メタデータ） (2025-04-28T17:56:02Z)
• Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector [97.92369017531038]
  Diverse hArmful Responses (RADAR) を用いた新しい laRge-scale Adervsarial 画像データセットを構築した。 そこで我々は,視覚言語モデル (VLM) の隠れ状態から抽出した1つのベクトルを利用して,入力中の良質な画像に対して対向画像を検出する,新しいiN時間埋め込み型AdveRSarial Image Detectction (NEARSIDE) 法を開発した。
  論文  参考訳（メタデータ） (2024-10-30T10:33:10Z)
• CableInspect-AD: An Expert-Annotated Anomaly Detection Dataset [14.246172794156987]
  $textitCableInspect-AD$は、カナダの公共ユーティリティであるHydro-Qu'ebecのドメインエキスパートによって作成、注釈付けされた高品質なデータセットである。 このデータセットには、現実世界の異常に挑戦する高解像度の画像が含まれており、さまざまな重度レベルの欠陥をカバーしている。 モデルの性能を評価するために,クロスバリデーションに基づく包括的評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-09-30T14:50:13Z)
• Long Range Object-Level Monocular Depth Estimation for UAVs [0.0]
  本稿では,画像からモノクロ物体を長距離検出するための最先端手法の新たな拡張法を提案する。 まず、回帰タスクとして深度推定をモデル化する際、SigmoidおよびReLUライクエンコーディングを提案する。 次に,深度推定を分類問題とし,訓練損失の計算にソフトアルグマックス関数を導入する。
  論文  参考訳（メタデータ） (2023-02-17T15:26:04Z)
• Multi-view deep learning for reliable post-disaster damage classification [0.0]
  本研究は,人工知能(AI)と多視点画像を用いた,より信頼性の高い建築損傷分類を実現することを目的とする。 提案モデルでは, ハリケーン・ハーヴェイに続き, 調査対象の建物について, 専門家ラベル付きジオタグ付き画像を含む偵察視覚データセットを訓練し, 検証した。
  論文  参考訳（メタデータ） (2022-08-06T01:04:13Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)
• Domain Adaptive Monocular Depth Estimation With Semantic Information [13.387521845596149]
  ドメインギャップを狭めるためにセマンティック情報を活用した対比トレーニングモデルを提案する。 提案したコンパクトモデルは,複雑な最新モデルに匹敵する最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-04-12T18:50:41Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。