Damage-TriageFormer：基于单时态图像的基于类型学的建筑损伤评估的基础模型框架

与决策相关的建筑损坏评估对于确定资源优先顺序和灾后恢复至关重要，但大多数自动化方法要么将损坏划分为单一严重程度（无损坏、轻微损坏、重大损坏、被毁坏），要么需要配对的事件前和事件后图像，而这些图像通常无法用于新出现的危险。本文提出了 Damage-TriageFormer，这是一种单图像、事件后、足迹条件模型，可生成损坏类型而不是严重程度。我们贡献：(1) DamageTriage-Bench，这是根据 NOAA 飓风迈克尔（2018 年）、飓风海伦（2024 年）和 2025 年洛杉矶野火综合体应急响应图像建立的新基准，有五个类型类别，区分屋顶损坏和结构损坏，并在每个类型中区分部分损坏和总体损坏； (2) Damage-TriageFormer，它通过用于更高分辨率实例池的简单特征金字塔、两阶段门控损伤头和辅助严重性回归目标扩展了 DINOv3 ViT-L 主干。我们的模型在验证中实现了 0.624 的宏观 F1，在保留的分层测试集上实现了 0.619，在操作分类最需要的地方表现最强，在未损坏的建筑物和总体结构倒塌上，每类 F1 分别为 0.91 和 0.84。虽然罕见的屋顶总损坏类别由于示例有限和固有的模糊标签边界而仍然很困难，但我们的结果表明，单图像事件后图像可以支持可操作的建筑损坏分类，从而无需事件前参考即可实现有针对性的应急响应和资源分配。