SMART-HC-VQA：以 Sentinel-2 衛星影像打造的施工場址時序視覺問答資料集

重點速報

研究提出 SMART-HC-VQA，將 IARPA SMART Heavy Construction 的施工場址標註，結合 Sentinel-2 衛星影像，改寫為可做時序分析的視覺問答（VQA）資料集。

資料與方法

作者把工地註記、工程類型、時間階段、地理資訊與觀測關係轉換為自然語言的問答三元組，並設計 Image-Pairwise Combinatorial Augmentation，系統化產生大量雙影像的比較範例，讓時序變化成為訓練信號。

資料集目前收錄 21,837 個 Sentinel-2 影像切片、65,511 筆單影像 VQA 範例，以及約 2.3 百萬筆雙影像比較範例。研究說明了影像檢索、切片分割、與 SMART-HC 標註間的可追溯流程，並分析場址大小、觀測次數、時間涵蓋、工程類型與階段的分佈。

模型與應用

研究實作一個多影像的 MLLM 訓練框架，基於 LLaVA-NeXT Mistral-7B，調整輸入以接受多個帶日期的影像與相應元資料，並以資料集生成的 VQA 範例進行訓練。此設計不只側重於偵測變化，更強調用語言來推理進行中的工程過程與其演進方向。

意義

該工作提供一個可重複的實驗基礎，促進語言導向的遙測研究，讓模型不僅能判別是否有變化，也能就變化背後的過程與階段做出推斷，對於關注施工監測和時序人類活動分析的研究與應用具參考價值。

延伸閱讀

• Recoverability Maps：量化影像還原邊界以提升車牌辨識
• 大型語言模型文化偏誤審計：GPT-5.4、Claude Sonnet 4.5、Gemini 2.5 Flash 的個體主義傾向分析
• 大型自律代理人社會的集體智慧：以 MoltBook 和 Probing Agents 的三級檢測框架驗證

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。