ChangeQuery：視覚的検出からセマンティック理解へ—自然災害・人為災害におけるリモートセンシング変化分析の高度化

要旨: 地震・災害後の対応において、迅速な状況認識は極めて重要である。リモートセンシングによる被害評価は、ピクセルレベルの変化検出から高次のセマンティック解析へと進化している一方で、既存の視覚-言語手法は、複雑な戦略的問い合わせに対して実行可能なインテリジェンスを提供する点で依然として困難を抱えている。これらの手法は、単一モダリティの光学情報への依存に厳しく制約されていること、自然災害に偏った既存のバイアスがあること、そして、基盤となる相互作用性の決定的な欠如があることから、根本的に制限されている。これらの制約に対処するために、本研究では、包括的で全天候に対応した災害状況認識のための統一型マルチモーダル枠組みChangeQueryを提案する。モダリティ制約とシナリオの偏りを克服するために、Disaster-Induced Change Query（DICQ）データセットを構築する。これは、大規模ベンチマークであり、災害発生前の光学セマンティクスと、発生後のSAR構造的特徴を、自然災害と武力紛争をバランスよく分布させた形で結び付ける。さらに、対話的推論に必要な高品質な教師信号を提供するために、新しいAutomated Semantic Annotation Pipeline（自動セマンティック注釈パイプライン）を提案する。``統計を先に、生成を後に''というパラダイムに従い、このエンジンは、生のセグメンテーションマスクを、基盤付きで階層化された指示集合へ自動的に変換する。これにより、モデルは、きめ細かな空間的ならびに定量的な認識を実質的に備えることができる。こうした構造化データで学習されたChangeQueryアーキテクチャは、対話型の災害アナリストとして機能する。多様なユーザーの問い合わせにより駆動されるマルチタスク推論を支援し、損害の正確な定量化、地域ごとの記述、そして災害後の包括的な要約を提供する。大規模な実験により、ChangeQueryが新たな最先端を確立し、複雑な災害モニタリングに対して堅牢で解釈可能な解決策を提供できることが示される。コードは
t\href{https://sundongwei.github.io/changequery/}{https://sundongwei.github.io/changequery/}で公開されている。