A Spatial Dynamic Convolution and Temporal Recurrent Network Dual-Driven Framework for Remote Sensing Image Change Analysis

Xiao Lv

doi:10.1109/lgrs.2026.3718798

A Spatial Dynamic Convolution and Temporal Recurrent Network Dual-Driven Framework for Remote Sensing Image Change Analysis

2026-07-31

0

PRE

AI

DOI：10.1109/lgrs.2026.3718798

原文链接

原文求助

摘要

En 中文

遥感（RS）图像变化分析旨在识别特定场景RS图像随时间的变化。现有方法通常采用层次特征编码–解码框架，并结合Transformer变体等主流架构来建模时空变化表示。尽管此类方法通过并行多级结构提取多尺度信息，但难以促进不同层次特征间的动态交互与融合，且缺乏有效手段对时间演化进行建模，从而限制了模型的表达能力。本文提出了一种新颖的分析框架SDTR-CA，适用于遥感图像的变化检测和描述生成。它创新性地整合了基于邻域注意力网络的上下文动态卷积和基于xLSTM的循环网络来构建特征编码器，从而增强空间定位和跨时间依赖建模。SDTR-CA采用统一的编码器，而任务特定的解码器分别执行变化检测和描述生成任务，相较于现有方法，在BLEU-4指标上提升了1.1%，在mIoU指标上提升了1.2%。

Keyword:

Change captioning

change detection

dynamic convolution

remote sensing (RS) image

xLSTM

A Spatial Dynamic Convolution and Temporal Recurrent Network Dual-Driven Framework for Remote Sensing Image Change Analysis

摘要

期刊

机构

引用论文