Smart Transfer：視覚基盤モデルを活用した、地震後のVHR衛星画像による迅速な建物被害マッピング

概要: 変化する気候の中で暮らす現在、人間社会はこれまでになく頻繁で深刻な自然災害に直面している。その結果、「ゴールデン72時間」の捜索・救助における迅速な災害対応は、重要な人道的必然であり、コミュニティの関心事となっている。しかし、従来の災害被害調査は、異なる都市の形態学や新たな災害事象をまたいで一般化することが、日常的に失敗している。効果的な被害マッピングには、通常、徹底的かつ時間を要する手作業によるデータ注釈が必要である。この問題に対処するため、本研究では、新規の地理空間人工知能（GeoAI）フレームワークであるSmart Transferを提案する。地震後の超高解像度（VHR）画像を用い、最先端のビジョン基盤モデル（Foundation Models, FMs）を活用して、迅速な建物被害マッピングを実現する。具体的には、2つの新しいモデル移送（転移）戦略を設計する。第一に、プロトタイプレベルの大域的特徴アラインメントを頑健に保証する、ピクセル単位のクラスタリング（Pixel-wise Clustering; PC）。第二に、意味的に不整合であるが空間的に隣接するパッチに対してより強いペナルティを与えることで、パッチレベルの空間的自己相関パターンを統合する、距離ペナルティ付きトリプレット（Distance-Penalized Triplet; DPT）である。広範な実験と、直近の2023年トルコ・シリア地震に関するアブレーションにより、複数のクロス地域転移設定、すなわち、Leave One Domain Out（LODO）およびSpecific Source Domain Combination（SSDC）において有望な性能が示された。さらに、Smart Transferは、建物被害マッピングを加速し、迅速な災害対応を支援するための、拡張性のある自動化GeoAIソリューションを提供し、気候脆弱な地域やコミュニティにおける災害レジリエンスを高める新たな機会をもたらす。データとコードは https://github.com/ai4city-hkust/SmartTransfer で公開されている。