ChangeQuery: 시각 감지에서 의미 이해로 - 자연재해와 인재에 대한 원격 탐사 변화 분석 고도화

재난 대응 시 신속한 상황 인식은 매우 중요합니다. 원격 탐사를 통한 피해 평가가 픽셀 수준의 변화 감지 단계에서 고수준의 의미 분석으로 진화하고 있음에도 불구하고, 기존 비전-언어 (vision-language) 방법론들은 여전히 복잡한 전략적 쿼리에 대한 실행 가능한 지능을 제공하는 데 어려움을 겪고 있습니다. 이들은 단일 모달 광학 의존성, 자연재해에 대한 편향, 그리고 근본적인 기반 상호작용 부재로 인해 심각하게 제약받고 있습니다. 이러한 한계를 해결하기 위해 우리는 전천후 재난 상황 인식을 위한 포괄적인 멀티모달 프레임워크인 ChangeQuery 를 제안합니다. 모달 제약과 시나리오 편향을 극복하기 위해 자연 재해와 무장 충돌의 균형 잡힌 분포를 아우르는 사전 사건 광학 의미와 사후 사건 SAR 구조적 특성을 결합한 대규모 벤치마크인 재난 유발 변화 쿼리 (Disaster-Induced Change Query, DICQ) 데이터셋을 구축했습니다. 또한 상호작용적 추론에 필요한 고품질 감독 정보를 제공하기 위해 새로운 자동화 의미 주석 파이프라인 (Automated Semantic Annotation Pipeline) 을 제안합니다. 이 엔진은 '통계 우선, 생성 후'라는 패러다임을 준수하여 원시 분할 마스크를 구체적이고 계층적인 지시문 집합으로 자동으로 변환함으로써 모델에 세밀한 공간 및 정량적 인식을 효과적으로 부여합니다. 이 구조화된 데이터로 학습된 ChangeQuery 아키텍처는 상호작용하는 재난 분석가로서 작동하며, 다양한 사용자 쿼리에 의해 구동되는 다중 작업 추론을 지원합니다. 이를 통해 정확한 피해 정량화, 지역별 설명, 그리고 포괄적인 사후 재난 요약을 제공합니다. 광범위한 실험 결과 ChangeQuery 가 새로운 최첨단 (state-of-the-art) 을 수립하여 복잡한 재난 모니터링에 대해 견고하고 해석 가능한 솔루션을 제공함을 입증했습니다. 코드는 https://sundongwei.github.io/changequery/ 에서 이용 가능합니다.