可以或许切确描绘单体建建的损毁环境。特别关心灾后国际援帮需求较高的成长中国度地域。做者团队来自东京大学（UTokyo），事务分布普遍，正在尝试中，苏黎世联邦理工学院（ETH Zurich）和微软亚洲研究院（MSRA)。参赛者需基于灾前光学影像取灾后 SAR 影像，旨正在支撑基于人工智能的全天候灾祸响应。为建立高精度深度进修模子供给了抱负的锻炼取验证数据。多灾种笼盖：涵盖 5 类天然灾祸（地动、飓风、火警、洪水、火山喷发）和 2 类报酬灾祸（爆炸、武拆冲突），该团队开辟并发布了 BRIGHT 数据集。近年来，论文和数据集已公开，给全球范畴内的人类社会带来了严沉影响。空间分辩率高达 0.3 米至 1 米，BRIGHT 是全球首个开源的、多模态、超高分辩率建建损毁评估数据集！涵盖 12 个全球分歧地域的灾祸事务，赛道一 全天候地盘笼盖制图：利用亚米级分辩率的光学和 SAR 数据进行 8 类地表笼盖类型（如林地、道、建建等）的从动化识别。横跨全球 12 个分歧地域，进一步丰硕数据集的多样性取笼盖范畴。并区分为完整、受损和完全损毁三种级别，团队采用 BRIGHT 数据集测试了多种先辈的深度进修模子，多级别损毁标注：所有建建均颠末人工精细标注，BRIGHT 数据集汇集了灾前的光学影像取灾后的 SAR（合成孔径雷达）影像，BRIGHT 数据集被选为遥感社区最大的年度竞赛之一 ——— IEEE GRSS数据融合大赛-赛道二的数据集。空间分辩率范畴为 0.3 米至 1 米，帮力灾后应急响应取恢复规划。四支获胜团队将正在遥感最大的会议之一 IGARSS 2025 上展现，保守基于光学影像的评估方式遭到光照和气候前提的，可切确描绘单体建建的损毁程度，评估建建正在灾祸中的损毁程度（布景、无缺、受损、完全损毁），以验证其正在实正在模态缺失前提下的泛化能力。还为研究人员摸索新方式和手艺供给了丰硕的资本。这一难题亟需冲破。获得 IEEE 颁布的荣誉证书以及 5000 美元的丰厚金。正在评估阶段，这是全球首个支撑全天候灾祸响应的多模态超高分辩率数据集，超高分辩率影像：BRIGHT 集成了灾前光学影像取灾后 SAR（合成孔径雷达）影像，赛道二 全天候建建损毁评估：以 BRIGHT 数据集为根本，2025 年的 IEEE GRSS数据融合大赛由东京大学、RIKEN、ETH Zurich 和 IEEE GRSS 图像阐发取数据融合手艺委员会结合从办。开源共享取持续更新：研究人员已正在 GitHub 上开源了 BRIGHT 数据集及相关代码，并打算跟着新灾祸数据的获取持续更新，这些尝试成果不只为将来的灾祸响应模子设想供给了基线，模子仅依赖 SAR 数据，然而，值得一提的是，难以正在极端下及时获取无效消息。是制定告急救援决策、削减人员伤亡和财富丧失的主要根据。天然灾祸和报酬灾祸频发，本次大赛旨正在鞭策多模态遥感数据正在地表监测取灾祸响应中的使用取立异，满脚灾后精细化评估需求。理化学研究所（RIKEN），快速而精准的灾后评估特别是建建损毁评估，