論文の概要: FloodVLM-Pix: Language-Guided Pixel-Level Flood Understanding

• arxiv url: http://arxiv.org/abs/2610.23377v1
• Date: Fri, 16 Oct 2026 12:30:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.912962
• Title: FloodVLM-Pix: Language-Guided Pixel-Level Flood Understanding
• Title（参考訳）: FloodVLM-Pix: 言語ガイドによるPixel-Level Flood理解
• Abstract要約: FloodVLM-Pixは言語誘導型画素レベルの洪水理解モデルである。 このベンチマークには、131,200の洪水画像パッチと、それに対応する443,100のテキストによる洪水の深刻度と進化に関する記述が含まれている。 FloodVLM-Pixは、最先端のVLMやフラッドセグメンテーションモデルと比較して、フラッド記述の品質とピクセルレベルのフラッドセグメンテーション性能の両方を改善している。
• 参考スコア（独自算出の注目度）: 39.042671072518516
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As climate change intensifies, floods are becoming more frequent and destructive, making accurate flood understanding an urgent priority. However, existing vision-language models perform poorly on flood-related tasks, suffering from attentional bias and inaccurate descriptions of flood magnitude. To bridge this gap, we construct the first large-scale remote sensing flood multi-modal benchmark that supports language-level flood understanding and pixel-level flood segmentation. The benchmark contains 131,200 flood image patches and corresponding 443,100 textual descriptions for flood severity and evolution. Based on this benchmark, we propose FloodVLM-Pix, a language-guided pixel-level flood understanding model that includes a flood prior module and a multi-temporal flood pixel decoder to achieve accurate flood understanding. The flood prior module automatically distills sub-region flood spatial priors and inputs priors into FloodVLM-Pix, solving the attentional bias problem in flood language understanding. The flood pixel decoder introduces a novel general-specific feature fusion mechanism to address performance degradation caused by interference (e.g., clouds or mountain shadows) during flood segmentation. Experiments on FloodVL-Pix demonstrate that FloodVLM-Pix improves both flood description quality and pixel-level flood segmentation performance compared with state-of-the-art VLMs and flood segmentation models. Our code and data will be released at https://github.com/Haomiaoyanmeng/FloodPix.
• Abstract（参考訳）: 気候変動が強まるにつれて、洪水はより頻繁で破壊的になり、正確な洪水理解が緊急の優先事項となっている。 しかし、既存の視覚言語モデルは、注意バイアスや洪水の大きさの不正確な記述に悩まされ、洪水に関連したタスクでは不十分である。 このギャップを埋めるために,言語レベルの洪水理解と画素レベルの洪水セグメンテーションをサポートする,最初の大規模リモートセンシング型洪水マルチモーダルベンチマークを構築した。 このベンチマークには、131,200の洪水画像パッチと、それに対応する443,100のテキストによる洪水の深刻度と進化に関する記述が含まれている。 このベンチマークに基づいて,フラッド先行モジュールとマルチ時間フラッドピクセルデコーダを備えた言語誘導型フラッドレベルのフラッド理解モデルであるFloodVLM-Pixを提案する。 浸水前モジュールは, 局所的な洪水前兆を自動的に蒸留し, 洪水前兆をFloodVLM-Pixに入力し, 洪水言語理解における注意バイアスを解消する。 フラッドピクセルデコーダは、フラッドセグメンテーション中の干渉(雲や山陰など)による性能劣化に対処するための、新しい汎用的な特徴融合機構を導入している。 FloodVL-Pixの実験では、FloodVLM-Pixは、最先端のVLMやフラッドセグメンテーションモデルと比較して、フラッド記述の品質とピクセルレベルのフラッドセグメンテーション性能の両方を改善している。 私たちのコードとデータはhttps://github.com/Haomiaoyanmeng/FloodPixで公開されます。

関連論文リスト

• HiPrompt: Tuning-free Higher-Resolution Generation with Hierarchical MLLM Prompts [77.62320553269615]
  HiPromptは高解像度画像生成のためのチューニング不要のソリューションである。 階層的なプロンプトは グローバルとローカルの両方のガイダンスを提供する 生成された画像は、高定義のコヒーレントな局所的および大域的意味論、構造、テクスチャを保持する。
  論文  参考訳（メタデータ） (2024-09-04T17:58:08Z)
• EvaNet: Elevation-Guided Flood Extent Mapping on Earth Imagery (Extended Version) [11.820388725641312]
  EvaNetはエンコーダ・デコーダアーキテクチャに基づく標高誘導セグメンテーションモデルである。 これは、洪水範囲マッピングのための既存のソリューションにおいて、U-Netの完全なドロップイン代替として機能する。
  論文  参考訳（メタデータ） (2024-04-27T14:10:09Z)
• Automated Floodwater Depth Estimation Using Large Multimodal Model for Rapid Flood Mapping [0.0]
  本稿では, 現場の洪水写真から洪水深度を推定するための, 自動的かつ高速なアプローチを提案する。 事前訓練された大型マルチモーダルモデルであるGPT-4 Visionは、特に洪水水を推定するために使用された。 その結果, 提案手法は, 洪水写真からの洪水深度を迅速かつ確実に推定できることを示した。
  論文  参考訳（メタデータ） (2024-02-26T16:02:15Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
  洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。 近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。 洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-29T22:49:50Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• Water level prediction from social media images with a multi-task ranking approach [0.0]
  本稿では,洪水時のソーシャルメディア画像から水深を推定するコンピュータビジョンシステムを提案する。 本稿では,回帰学習とペアランキング損失の両方を用いてモデルを訓練するマルチタスク学習手法を提案する。 提案手法は,11cmの根平均平方誤差を持つ1つのクラウドソース画像から,水位を推定できることを示す。
  論文  参考訳（メタデータ） (2020-07-14T00:51:29Z)

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。