研究利用迁移学习评估被迫流离失所者社会经济状况

研究人员将预训练的多模态时空视觉Transformer模型迁移至南苏丹、喀麦隆和赞比亚的被迫流离失所及安置社区。该模型基于约120万个家庭的数据，利用卫星衍生的地理空间协变量预测社会经济指数。结果显示，在难民营交叉网格中，模型解释了高达66%的社会经济结果变异，平均绝对误差为4.37个指数点；在非难民营区域解释了41%的变异，误差为5.41。该框架通过定期更新的模型估算填补了周期性家庭调查在空间和时间上的数据空白。