本文介绍了一种基于卷积神经网络的新方法，用于社交媒体图像中灾害损失的定位与量化。研究开发了基准数据集，利用卫星图像进行变化检测，并提出了新的灾害影响指数（DII）。通过xBD数据集，优化了建筑损伤评估的效率。新型多模态方法MMST在飓风后建筑损害分类中表现出92.67%的准确率，显示出其在灾后评估中的应用潜力。

该文综述了利用深度学习与遥感图像评估自然灾害中建筑损伤的研究，涵盖基于视觉变换器和拉普拉斯金字塔的分割网络、RescueNet集成模型、多视角卷积神经网络、InSAR因果贝叶斯网络、Grad-CAM可解释技术及社交媒体图像损失评估。基于xBD数据集测试表明，U-Net Siamese集成F-1达0.812，有效检测最低分辨率约3米，分类需低于1米。