RAPID：可重复的多代理管道，用于根据卫星和街景图像进行可解释的灾害损失评估

由于极端气候事件的频率和强度不断增加，显然需要智能、可扩展和自主的灾害损失评估方法。现有的方法主要基于监督学习和特定任务的 微调，很难在域转移、长尾数据分布和异构地理空间数据源下进行泛化，特别是在灾难场景中。他们通常还缺乏整合和推理多模式地理空间信息（例如卫星图像和街景图像）的能力。在本文中，我们介绍了 RAPID，这是一种可重复的多智能体管道，用于可解释的灾害损失评估，包括损失级别评估、损失类型​​解释以及响应、补救和恢复的可行建议。 RAPID 协调专门的代理来跨异构数据模态执行跨视图理解、图像恢复、结构化损伤识别和地理推理。在没有特定于任务的 微调 的情况下，RAPID 通过联合使用来自遥感和地面视角的补充信息来支持零射击损伤评估。该系统可生成细粒度、可解释的评估，并自动生成特定位置的、与决策相关的灾难报告，以支持早期应急响应。我们使用多个跨视图图像输入（包括灾前和灾后街景图像、灾后遥感图像和街景图像对）评估飓风、洪水、野火和地震的 RAPID。实验表明，RAPID 的多灾害类型分类总体准确率达到 0.92，跨视图损害严重程度预测达到 0.627，凸显了其作为自主灾害情报基础框架的潜力。