Primo Studio sulla Performance degli Annotatori in Immagini da Drone, Aviazione e Satellitari per la Valutazione dei Danni da Disastri

Uno studio recente, identificato come arXiv:2608.14942, segna la prima analisi empirica della performance di annotatori e revisori nella valutazione dei danni agli edifici da immagini remote multifornite in seguito a disastri. Questa ricerca esamina l'etichettatura umana da prospettive di drone, aviazione con equipaggio e satellitare, evidenziando un divario significativo nelle metodologie esistenti che tipicamente dipendono da immagini a fonte singola. Il dataset comprende 9 disastri, con 20.041 edifici etichettati da immagini drone, 20.695 da aviazione con equipaggio e 33.392 da immagini satellitari, contribuiti da 187 annotatori. Le etichette sono state sottoposte a due processi di controllo qualità: una revisione iniziale da parte di un singolo revisore e una successiva revisione da parte di un comitato di consenso. I risultati mettono in discussione le convinzioni esistenti sull'affidabilità delle fonti di immagini, indicando una variazione considerevole nella performance tra di esse. Le implicazioni di questo studio sono cruciali per ottimizzare l'allocazione delle risorse umane nella gestione di ampi dataset aerei multifornite, specialmente in scenari di risposta ai disastri. L'articolo è accessibile su arXiv con l'identificatore 2608.14942.