智能传输：利用 Vision Foundation 模型通过震后 VHR 图像快速绘制建筑物损坏地图

在气候变化的背景下，人类社会面临的自然灾害比以往任何时候都更加频繁和严重。因此，“黄金72小时”搜救期间的快速救灾响应成为至关重要的人道主义需求和社会关注。然而，传统的灾害损失调查通常无法概括不同的城市形态和新的灾害事件。有效的损伤映射通常需要详尽且耗时的手动数据注释。为了解决这个问题，我们引入了智能传输，这是一种新颖的地理空间人工智能 (GeoAI) 框架，利用最先进的视觉基础模型 (FM) 通过震后超高分辨率 (VHR) 图像快速构建损坏地图。具体来说，我们设计了两种新颖的模型迁移策略：第一，逐像素聚类（PC），确保稳健的原型级全局特征对齐；其次，距离惩罚三元组（DPT），通过对语义不一致但空间相邻的块分配更强的惩罚来集成块级空间自相关模式。最近 2023 年土耳其-叙利亚地震的大量实验和消融表明，在多个跨区域传输设置（即保留一个域 (LODO) 和特定源域组合 (SSDC)）中具有良好的性能。此外，Smart Transfer 还提供了可扩展的自动化 GeoAI 解决方案，可加速建筑物损坏测绘并支持快速灾难响应，为增强气候脆弱地区和社区的抗灾能力提供了新的机会。数据和代码可在 https://github.com/ai4city-hkust/SmartTransfer 上公开获取。