EarthLD：通过视觉语言引导扩散模型实现统一的开放世界滑坡理解

山体滑坡是广泛存在的地质灾害，但由于其形态不规则、光谱特征不明确以及跨成像平台的显着域变化，遥感图像中的山体滑坡自动检测和绘图仍然具有挑战性。为了克服这些挑战，我们提出了 EarthLD，这是一个视觉语言引导的扩散框架，用于开放世界的滑坡理解，实现统一的滑坡识别、绘图和触发解释。 EarthLD 的核心是将滑坡理解表述为一种扩散过程，该过程从噪声潜在表示中逐步推断滑坡的存在、空间范围和像素级边界。这种概率公式使模型能够联合执行图像级滑坡识别和绘图，同时表征预测不确定性。通过在去噪过程中将视觉观察与背景知识相结合，EarthLD 可将不同的滑坡与背景区分开来，对可疑区域进行可信预测，并绘制滑坡范围图。我们还通过系统地协调不同机构收集的多个公开遥感数据来构建全球范围的开放世界滑坡基准。跨区域、传感器和触发事件的广泛实验表明，EarthLD 始终优于现有的滑坡检测方法，突显了其作为全球地质灾害监测和应急响应的统一而强大的解决方案的潜力。