İçeriğe geç
CANLI 03:22 Replit Missions tanıtıldı: Hedefi ve bütçeyi siz belirleyin, ajan sürüsü çalışsın 03:22 WSJ: SEC, Jensen Huang’ın ayrılığının ardından Nvidia hakkında soruşturma başlattı 03:22 Microsoft Agent Framework PyPI paketi ele geçirildi: 1.26.1 ve 1.26.2 kimlik bilgisi çalıyor 03:22 Gemini Tasks ücretsiz oldu: Gemini artık arama yapıp alışveriş yapabiliyor 03:21 Microsoft Ignite 2026’da yedi MAI modeli tanıttı: MAI Code 2 ile ucuz kodlama hamlesi Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 18.11.2026
Bülten

arXiv 2611.21563 cs.CV

Wildfire-SSR: Yapı Düzeyinde Orman Yangını Risk Değerlendirmesi için Coğrafi Konum Duyarlı Multimodal Füzyon

Özgün başlık Wildfire-SSR: Geolocation-Aware Multimodal Fusion for Structure-Level Wildfire Risk Assessment

  • Yu-Hsuan Ho
  • Yiming Xiao
  • Hao-En Lai
  • Ali Mostafavi
  • Samuel D. Brody
ai/muhabir · özet metinden derlendi

Yapı düzeyinde orman yangını güvenlik açığı değerlendirmesi, yabani alan-kentsel arayüz topluluklarındaki kayıpları azaltmak için kritik öneme sahiptir, ancak mevcut yöntemler genellikle parsel ölçeğindeki ateşleme yollarını topluluk ölçeğindeki coğrafi kapsamla birleştirmede başarısız olur. Bu çalışma, makro ölçekli uydu bağlamını mikro ölçekli sokak görünümü kanıtlarıyla birleştiren, coğrafi konuma duyarlı çok modlu bir çerçeve olan Wildfire-SSR'yi (Orman Yangını Riski için Uydu ve Sokak Görünümü) tanıtmaktadır. Vizyon-Dil Modeli, yangınla ilgili bina ve alan özelliklerini olay öncesi sokak görünümü panoramalarından çıkarır ve bunları yapılandırılmış anlamsal metne dönüştürür.

Bu kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

02 Özet

Yapı düzeyinde orman yangını güvenlik açığı değerlendirmesi, yabani alan-kentsel arayüz topluluklarındaki kayıpları azaltmak için kritik öneme sahiptir, ancak mevcut yöntemler genellikle parsel ölçeğindeki ateşleme yollarını topluluk ölçeğindeki coğrafi kapsamla birleştirmede başarısız olur. Bu çalışma, makro ölçekli uydu bağlamını mikro ölçekli sokak görünümü kanıtlarıyla birleştiren, coğrafi konuma duyarlı çok modlu bir çerçeve olan Wildfire-SSR'yi (Orman Yangını Riski için Uydu ve Sokak Görünümü) tanıtmaktadır. Vizyon-Dil Modeli, yangınla ilgili bina ve alan özelliklerini olay öncesi sokak görünümü panoramalarından çıkarır ve bunları yapılandırılmış anlamsal metne dönüştürür. Bu özellikler, ayrıştırılmış çapraz dikkat füzyon kod çözücü aracılığıyla uydu görüntüleri ile mekansal olarak hizalanırken, donmuş uydu tarafından önceden eğitilmiş bir DINOv3 kodlayıcı, tepedeki görsel bağlamı yakalar. Alternatif coğrafi konum yerleştirme stratejileri, her uydu yaması içindeki metinden türetilmiş özellikleri sabitlemek için değerlendirilir. Çerçeve, Los Angeles'taki 2025 Eaton ve Palisades yangınlarından etkilenen yaklaşık 37.000 yapı üzerinde test edildi ve doğal yapısal güvenlik açığını daha iyi temsil etmek için göreceli olay sonrası hasar modellerinden türetilen orman yangını risk etiketleri kullanıldı. Döner Konumsal Gömme, beş sınıflı piksel düzeyinde risk sınıflandırması için 0,6735'lik bina lokalizasyon F1 puanı ve 0,2476'lık harmonik ortalama F1 puanı elde ederek, tek modlu temel çizgilerden ve sabitlenmemiş çok modlu konfigürasyondan daha iyi performans göstererek en güçlü mekansal temellendirmeyi sağlar. Model ayrıca yüksek riskli sınıflarda ihtiyatlı bir önyargı göstererek ciddi riskin eksik tahminini azaltır ve çalışma alanının uçtan uca değerlendirmesini tek bir GPU'da 37 dakikada tamamlar. Wildfire-SSR, çapraz görünüm füzyonunu yerelleştirilmiş anlamsal hizalama olarak yeniden çerçevelendirir ve azaltma önceliklendirmesi, esneklik planlaması ve sigorta odaklı orman yangını risk değerlendirmesi için ölçeklenebilir bir araç sağlar.

Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.

Structure-level wildfire vulnerability assessment is critical for reducing losses in wildland-urban interface communities, yet existing methods often fail to combine parcel-scale ignition pathways with community-scale geographic coverage. This study introduces Wildfire-SSR (Satellite and Street-view for wildfire Risk), a geolocation-aware multimodal framework that integrates macro-scale satellite context with micro-scale street-view evidence. A Vision-Language Model extracts wildfire-relevant building and site attributes from pre-event street-view panoramas and converts them into structured semantic text. These features are spatially aligned with satellite imagery through a decoupled cross-attention fusion decoder, while a frozen satellite-pretrained DINOv3 encoder captures overhead visual context. Alternative geolocation embedding strategies are evaluated to anchor text-derived features within each satellite patch. The framework is tested on approximately 37,000 structures affected by the 2025 Eaton and Palisades fires in Los Angeles, using wildfire risk labels derived from relative post-event damage patterns to better represent inherent structural vulnerability. Rotary Positional Embedding provides the strongest spatial grounding, achieving a building localization F1 score of 0.6735 and a harmonic mean F1 score of 0.2476 for five-class pixel-level risk classification, outperforming unimodal baselines and an unanchored multimodal configuration. The model also shows a conservative bias in higher-risk classes, reducing severe-risk underestimation, and completes end-to-end assessment of the study area in 37 minutes on a single GPU. Wildfire-SSR reframes cross-view fusion as localized semantic alignment and provides a scalable tool for mitigation prioritization, resilience planning, and insurance-oriented wildfire risk assessment.

03 PDF

Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.

04 Kaynak göster

BibTeX
@article{ho2026wildfiressr,
  title   = {Wildfire-SSR: Geolocation-Aware Multimodal Fusion for Structure-Level Wildfire Risk Assessment},
  author  = {Yu-Hsuan Ho and Yiming Xiao and Hao-En Lai and Ali Mostafavi and Samuel D. Brody},
  journal = {arXiv preprint arXiv:2611.21563},
  year    = {2026},
  url     = {https://arxiv.org/abs/2611.21563}
}
APA
Ho, Y., Xiao, Y., Lai, H., Mostafavi, A., & Brody, S. D. (2026). Wildfire-SSR: Yapı Düzeyinde Orman Yangını Risk Değerlendirmesi için Coğrafi Konum Duyarlı Multimodal Füzyon. arXiv. https://arxiv.org/abs/2611.21563
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.