arXiv cs.AI· Shanwen Wang, Sirui Wang, Xin Sun, Jungong Han·· 10 小时前AI 评分22
LandslideFM：统一滑坡感知与理解的基础模型
LandslideFM: A Foundation Model Towards Unified Landslide Perception and Understanding
AI 导读
LandslideFM 是首个将滑坡视觉感知任务与上下文解读统一起来的基础模型，通过 Source-Agreement Graduated Trust 半监督学习框架，利用少量标注数据和大量无标注数据适配多种视觉任务。
正文 · AI 翻译
摘要：智能滑坡检测对防灾至关重要。然而，现有模型主要集中于孤立的视觉任务，需要大量标注数据，且缺乏深入的分析与场景理解能力。为克服这些局限，我们提出 LandslideFM，这是首个将视觉感知任务与滑坡上下文解读相连接的统一基础模型。具体而言，LandslideFM 通过 Source-Agreement Graduated Trust 半监督学习框架适应多种视觉任务，该框架利用有限的标注数据以及丰富的未标注数据。此外，预测的滑坡区域为通过参数高效微调适配的视觉语言模型提供明确的空间引导，从而实现全面的滑坡推理。为支持该领域的训练与评估，我们还提出了 LandslideVL，这是首个用于智能滑坡分析的基准，结合了视觉影像与新引入的文本提示。在公开数据集和 LandslideVL 上的综合实验表明，LandslideFM 在定量与定性性能上均表现优异。最重要的是，LandslideFM 在专门的滑坡推理与场景分析方面超越了通用 VLM。我们的代码发布于 此 https URL。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.12936 [cs.AI] |
| （或 arXiv:2611.12936v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.12936 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Shanwen Wang [查看邮箱]
[v1]
2026年11月6日星期五 12:59:06 UTC（38,635 KB）
来源：arXiv cs.AI · arxiv.org