洪水事件中准确检测淹没范围对紧急响应决策和恢复工作至关重要。卫星遥感数据提供了一个全球框架，可以检测洪水范围。机器学习技术已被利用来精确捕捉具有反射增加的洪水区域的洪水范围，但需要大量标记数据以达到理想的效果。一个包含美国本土和孟加拉国境内约 36,000 平方公里地区在已知洪水事件中水体范围和淹没区域范围的标记数据集已被创建。通过开源数据集举办了一个开放竞赛，以便利用社区生成的模型快速原型化洪水范围检测。

洪水事件中准确检测淹没范围对紧急响应决策和恢复工作至关重要。卫星遥感数据提供了全球框架，可以检测洪水范围。机器学习技术已被利用来精确捕捉洪水区域的洪水范围，但需要大量标记数据。我们创建了一个包含美国本土和孟加拉国境内约36,000平方公里地区的标记数据集。通过开源数据集举办了一个开放竞赛，以便利用社区生成的模型快速原型化洪水范围检测。

本研究使用生成对抗网络和角色设计相结合的框架，开发了一个标记数据集，并使用不同的生成对抗网络进行评估。结果证实了该框架的价值，并阐明了生成的概念如何与设计师的能力相互作用，影响构思新角色的创造过程。