論文の概要: A Multimodal Engineering GraphRAG Framework for Post-Wind-Event Building Assessment and Recovery Inference

• arxiv url: http://arxiv.org/abs/2610.28216v1
• Date: Tue, 20 Oct 2026 13:50:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.837738
• Title: A Multimodal Engineering GraphRAG Framework for Post-Wind-Event Building Assessment and Recovery Inference
• Title（参考訳）: ウィンドイベント後の建物評価と復旧のためのマルチモーダルエンジニアリンググラフRAGフレームワーク
• Abstract要約: 本研究では,マルチモーダルなGraph Retrieval-Augmented Generationフレームワークを開発した。 風による損傷の証拠を物理的結果、建築条件、回復行動、ダウンタイムに結びつける。 竜巻の被害を受けた低層住宅に対しては, 偵察と画像に基づく証拠を用いて実証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Post-event building assessment requires linking observed physical damage to its consequences for safety, habitability, functionality, and recovery. Yet post-disaster evidence is often heterogeneous, incomplete, and distributed across images and reconnaissance reports, while recovery models typically require structured engineering inputs. This study develops a multimodal engineering Graph Retrieval-Augmented Generation (GraphRAG) framework that connects post-wind-event damage evidence to physical consequences, building-condition states, recovery actions, and downtime. Image- and text-based evidence is transformed into a provenance-preserving, component-level representation distinguishing confirmed damage, explicit negative evidence, unresolved conditions, and temporary measures. Graph-aligned retrieval combines comparable building scenarios with explicit engineering relationships, while compatibility, contradiction, evidence-precedence, and abstention mechanisms constrain inference under partial observability. Recovery actions are derived from supported damage-consequence relationships, and downtime uncertainty is propagated through an action-dependency network using Monte Carlo simulation. The framework is demonstrated for tornado-affected low-rise residential buildings using reconnaissance and image-based evidence. Comparisons with BaselineRAG and Structured Baseline RAG show improved agreement for key building-condition and recovery outcomes, together with traceable engineering reasoning and preserved evidence provenance. Ablation analyses demonstrate the contributions of engineering context, evidence safeguards, and graph-path traversal. The results support transparent, recovery-oriented assessment from incomplete multimodal post-event evidence.
• Abstract（参考訳）: イベント後の建物評価には、観測された物理的損傷と、その安全性、居住性、機能、回復の結果としてのリンクが必要である。 しかし、ポストディザスターの証拠はしばしば異質であり、不完全であり、画像や偵察レポートに分散するが、リカバリモデルは通常、構造化されたエンジニアリングインプットを必要とする。 本研究は, 風下の損傷証拠を物理的結果, 建築条件, 回復行動, ダウンタイムに結びつけるマルチモーダル・エンジニアリング・グラフ検索・拡張生成(GraphRAG)フレームワークを開発する。 画像およびテキストに基づく証拠は、確認された損傷、明示的な否定的な証拠、未解決条件、一時的な措置を区別する証明保存、コンポーネントレベルの表現に変換される。 グラフアライメントの検索は、同等のビルディングシナリオと明示的なエンジニアリング関係を組み合わせる一方で、互換性、矛盾、エビデンス・プレセデンス、そして部分的可観測性の下での禁制機構の制約推論を組み合わせている。 回復動作は支持された損傷・連続関係から導かれ、モンテカルロシミュレーションを用いてダウンタイムの不確実性はアクション依存ネットワークを介して伝播される。 この枠組みは, 竜巻の被害を受けた低層住宅において, 偵察と画像に基づく証拠を用いて実証された。 BaselineRAGとStructured Baseline RAGとの比較では、キーコンディションとリカバリ結果の合意が向上し、トレース可能なエンジニアリング推論と保存された証拠が得られた。 アブレーション分析は、エンジニアリングコンテキスト、エビデンスセーフガード、グラフパストラバーサルの貢献を実証する。 その結果,不完全なマルチモーダル後証拠からの透過的,回復志向的な評価が得られた。

関連論文リスト

• Faithful Chart Generation for Multimodal Deep Research: Frame-Evidence Co-Adaptation [109.3752882833395]
  マルチモーダルディープリサーチのためのエビデンス適応型ビジュアルプランニングフレームワークである Frame-Evidence Co-Adaptation (FECA) を提案する。 FECAは、チャート生成を固定計画検証から適応的エビデンスに基づく視覚的推論にシフトする。 実世界の100件の実験から,FECAはレポートの品質とチャートの有用性を保ちながら,数値忠実度を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2026-09-30T07:33:25Z)
• Structural Inference under Hidden Agents [9.734309279937236]
  軌道に基づく構造推論は有望な結果を得たが、従来の定式化では、すべてのモデル化されたエージェントの軌道が利用可能であると仮定されている。 既存の研究では、未確認ノードの推定、部分的な観測による構造的推測、および欠落値の計算が検討されている。 我々はこの問題を隠蔽剤による構造推論として定式化する。
  論文  参考訳（メタデータ） (2026-09-16T02:45:20Z)
• Building Trustworthy Graph-Agentic RAG for Social Good: Architectures, Failure Propagation, and Assurance by Construction [0.0]
  グラフ関連検索拡張生成では、構造化されたエビデンスと適応的なコントローラを組み合わせることで、検索の計画、トラバース関係、中間クレームの検証、サブタスクの委譲、ツールの使用が可能になる。 そこで我々は,新鮮さ,承認,トレーサビリティ,監視,関連事項を回答の質とともに考慮し,社会的良質な設定のために,そのようなシステムをいかに設計し,評価するかを検討する。
  論文  参考訳（メタデータ） (2026-09-06T05:04:06Z)
• HiEviDR-Bench: A Benchmark for Hierarchical Evidence Aggregation in Deep Research [52.87128503345243]
  我々は,Deep Researchにおける階層的エビデンス・アグリゲーションを評価するためのベンチマークであるHiEviDR-Benchを紹介する。 HiEviDR-Benchは、エビデンスの選択、クロスソースリンク、アグリゲーションをキャプチャする明示的なエビデンスグラフを持つ各インスタンスを表す。 報告品質,エビデンストレーサビリティ,引用精度,クレーム検証,回答正当性という5次元のトレーサビリティ指向評価フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-27T23:50:46Z)
• TRACER: Training-Free Closed-Loop Structured Inference for Traffic Accident Reconstruction [30.569426567956977]
  交通事故の再建は、不均一な証拠から物理的に一貫した動きを回復する必要がある法医学的逆問題である。 ここでは、閉鎖ループ構造推論プロセスとして再構成を定式化する、トレーニング不要なフレームワークTRACERを提案する。 実世界の事故データを用いた実験では、TRACERは、データ駆動と物理に基づくベースラインの両方において、幾何学的忠実度、速度の整合性、衝突の精度の向上を実現する。
  論文  参考訳（メタデータ） (2026-06-23T16:28:09Z)
• Position: Anthropomorphic Misalignment Research Needs Stronger Evidence [52.76826423649968]
  概念的曖昧さ,非ロバストデータセット,実験設計,不十分な因果的介入が,モデル行動の過度な解釈につながることを示す。 本研究の目的は,AMRの方法論的厳密性向上に寄与する明らかな考察のガイダンスを提供することである。
  論文  参考訳（メタデータ） (2026-05-29T16:38:53Z)
• Learning physically grounded traffic accident reconstruction from public accident reports [12.882161839040883]
  我々は,パラメータ化されたマルチモーダル学習問題として,公開可能なレポートとシーン計測から事故復旧を定式化する。 CISS-RECは,NHTSAのクラッシュ調査サンプリングシステムから収集した6,217件の現実世界の事故事例のデータセットである。 提案手法は,CISS-RECにおける代表的ベースラインよりも優れており,全体の再構築精度が最も高い。
  論文  参考訳（メタデータ） (2026-04-29T14:33:27Z)
• Stateful Evidence-Driven Retrieval-Augmented Generation with Iterative Reasoning [7.701766930531068]
  Stateful Evidence-Driven RAG with Iterative Reasoningは、質問応答をプログレッシブなエビデンス蓄積プロセスとしてモデル化するフレームワークである。 このフレームワークは、ギャップと競合を特定するためにエビデンス駆動の欠陥分析を行い、クエリを反復的に洗練し、その後の検索をガイドする。 複数の質問応答ベンチマークの実験では、標準的なRAGとマルチステップベースラインよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-03-25T06:57:49Z)
• CoG: Controllable Graph Reasoning via Relational Blueprints and Failure-Aware Refinement over Knowledge Graphs [53.199517625701475]
  CoGはDual-Process Theoryにインスパイアされたトレーニング不要のフレームワークで、直観と熟考の相互作用を模倣している。 CoGは精度と効率の両方において最先端のアプローチを著しく上回っている。
  論文  参考訳（メタデータ） (2026-01-16T07:27:40Z)
• Towards Explicit Geometry-Reflectance Collaboration for Generalized LiDAR Segmentation in Adverse Weather [58.4718010073085]
  既存のLiDARセグメンテーションモデルは、悪天候にさらされると精度が低下することが多い。 この課題に対処する最近の手法は、気象シミュレーションやユニバーサル拡張技術によるトレーニングデータの強化に重点を置いている。 本稿では,幾何・反射性の特徴抽出を明示的に分離する新しい幾何・反射性協調フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-03T03:23:43Z)
• 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。