深度学习在图像异常检测方面取得了重要进展，但其复杂性使得异常预测的理解变得困难。我们提出了一种新方法，通过生成多个反事实示例，提供异常的高级语义解释，帮助用户探索“假设情景”。定性和定量分析表明，该方法能够为先进的异常检测器提供高质量的解释。

本文提出了一个有效的框架，用于对高分辨率光学卫星图像中的个别建筑物进行语义解释。通过领域自适应预训练策略、复合双支干、新的数据增强流程、随机权重平均训练和基于实例分割的模型集成，实现了额外的性能提升。此外，还探讨了光学卫星图像和SAR数据的多模态数据融合潜力。