Detecting object-level scene changes in images with feature alignment

Zhi Xu

doi:10.1117/1.JEI.35.1.013001

Detecting object-level scene changes in images with feature alignment

2026-01-01

0

PRE

AI

DOI：10.1117/1.JEI.35.1.013001

原文链接

摘要

En 中文

变化检测任务旨在识别由人类或自然因素引起的数据变化。尽管基于深度学习的方法取得了显著进展，但现有的基于对象级的变化检测方法在检测精度和纹理缺失区域的处理方面仍面临挑战，这导致在变化检测过程中对这些区域的检测精度不足。为解决这些局限性，提出了一种基于对象级的变化检测网络RCFNet。首先，基于Siamese U-Net，RCFNet在跳跃连接中引入了使用深度可分离卷积的特征细化模块，以增强编码器的特征表示。此外，引入了特征对齐模块，结合基于注意力机制的匹配与局部光流估计。该模块由两个组件组成：自全局交叉注意力（SGCA）和语义流对齐模块（SFAM）。SGCA模块强化了纹理缺失区域的特征表示，并通过跨图像信息交互促进图像配准，而SFAM模块则明确纠正图像错位以减少配准误差。所提出的方法实现了精确的对象级变化检测，无需依赖像素级预测或密集3D模型。在COCO-Inpainted和VIRAT-STD等公开数据集上的大量实验表明，该方法在性能上具有优势，特别是在视角变化的场景中。

Keyword:

change detection

optical flow

cross attention

object detection

Detecting object-level scene changes in images with feature alignment

摘要

期刊

机构

引用论文