FloodVLM-Pix：语言引导的像素级洪水理解模型

FloodVLM-Pix 是语言引导的像素级洪水理解模型，通过洪水先验模块和多时相洪水像素解码器提升洪水描述质量与分割性能。研究构建了首个大规模遥感洪水多模态基准，含 131,200 个洪水图像块和 443,100 条描述洪水严重程度与演变的文本。实验显示其性能优于现有 SOTA 视觉语言模型和洪水分割模型，代码与数据将公开。