洪灾监测需多模态数据挖掘与多任务协同，目前亟需基于多模态数据的视觉语言预训练（VLP）模型以支撑多项洪灾相关下游任务，但现有洪灾跨模态预训练模型存在数据集规模小、鲁棒性不足的问题，且传统分类模型采用 “Hard Categorization Strategy（HC）” 忽视 “分类模糊” 现象，还仅考虑单模态信息而未充分利用图文联合信息；为此，本文提出支持洪灾图片分类、文图检索和辅助文本分类三项下游任务的 SLIP-Flood VLP 框架，首次构建用于洪灾图片分类模型（FICM）训练的 FloodMulS 与用于洪灾文图检索模型（FTIRM）训练的 FloodIT 两类专用数据集，并提出 “Soft Categorization Strategy”（解决分类模糊问题）与 “Soft Combination” 策略（集成 FICM 与 FTIRM，二者统称 SCSC）；实验表明，SCSC 显著优化 SLIP-Flood 的图片分类性能，在 FICM 上较 HC 最高提升 F1 值 7.62%，在 FTIRM 上可提升 FICM 的 F1 值 0.35%，且 SLIP-Flood 在洪灾文图检索任务中最高 Recall 达 89.24%，同时具备辅助洪灾文本分类的应用潜力，相关资源已发布于https://github.com/muhan-yy/SLIP-Flood.git。

洪灾MLLM，图文数据集，图文分类，图文检索