arXiv cs.AI· Zhijian Li, Jiawei Song, Chao Ren, Yidan Zhang, Peijin Wang, Xian Sun, Kun Fu·· 10 小时前AI 评分34
DisasterAgent：从遥感影像生成可验证灾害报告的证据驱动智能体
DisasterAgent: An Evidence-Driven Agent for Verifiable Disaster Report Generation From Remote Sensing Imagery
AI 导读
DisasterAgent 是一个证据驱动的智能体，通过“感知-增强-生成”流程从双时相光学影像生成可验证的灾害报告，先构建时空感知图（STPG）作为结构化记忆，再提取证据并附行内引用形成闭环。
正文 · AI 翻译
摘要：遥感灾害评估正从简单的损害分类转向全面的报告级分析。在这种背景下，响应人员不仅需要损害描述，还需要可验证的证据来指导响应和恢复。近期的视觉语言模型（VLM）和工具增强型智能体提供了强大的多模态推理和感知能力，但它们难以提供高风险验证所需的证据。为解决这些局限，我们提出了 DisasterAgent，一个证据驱动的智能体，采用感知-增强-生成工作流，从双时相光学影像生成可验证的灾害报告。DisasterAgent 首先在感知阶段调用专门的视觉专家工具包，构建时空感知图（STPG），作为结构化记忆来存储和组织跨空间和时间的灾害引发的变化。基于证据的增强（EA）随后从 STPG 中提取证据，附加行内引用，形成从每条陈述到支持性视觉证据的闭环证据链。在 DisasterM3 和 RSCC 基准上的大量实验表明，DisasterAgent 始终优于通用领域 VLM、遥感专用模型和现有遥感智能体。值得注意的是，与原始模型相比，它将 DisasterM3 上灾害报告生成的平均得分提高了 13.5\%，将 RSCC 上的 ST5-SCS 提高了 15.34\%，为灾害应急响应提供了更准确、可验证的解决方案。代码将在 此 https URL 提供。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.13776 [cs.CV] |
| （或 arXiv:2611.13776v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13776 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhijian Li [查看电子邮件]
[v1]
2026年11月10日星期二 09:15:06 UTC（20,900 KB）
来源：arXiv cs.AI · arxiv.org