Rethinking Semantic Change Detection From a Semantic Alignment Perspective

Sheng Fang

doi:10.1109/TGRS.2025.3608214

Rethinking Semantic Change Detection From a Semantic Alignment Perspective

2025-01-01

0

PRE

AI

DOI：10.1109/TGRS.2025.3608214

原文链接

原文求助

摘要

En 中文

近期语义变化检测（SCD）领域的进展通常将任务划分为两个子任务：语义分割（SS）和二值变化检测（BCD），并通常采用基于各自损失联合优化的三个解码头。然而，这种方法在跨时域对齐语义特征空间方面面临挑战，导致变化特征构建复杂化。在本文中，我们提出了新颖的PRO-HRSCD框架，该框架利用两个解码头：一个专用于BCD，另一个用于SS子任务。针对双时相图像的SS子任务被统一在一个基于原型的SS（PRO-SS）解码头中，该解码头通过在线原型学习而非仅依赖联合优化来对齐跨时域的语义特征。基于原型的对比损失直接针对语义特征本身，有效解决了类内方差大的问题，并弥合了时域间的特征差距。此外，在BCD头中集成了时域相关性探索模块（TCEM），利用HRNet编码的双时相图像最高分辨率特征来增强时域依赖建模，从而与PRO-SS形成相互强化。在两个基准数据集上的实验结果表明，我们的方法超越了当前最优（SOTA）的SCD方法。我们的源代码可在https://github.com/sdust-mmlab/PRO-HRSCD获取。

Keyword:

Change detection (CD)

feature space alignment

multitask learning (MTL)

prototype learning

remote sensing (RS)

semantic change detection (SCD)

semantic segmentation (SS)

temporal correlation

Rethinking Semantic Change Detection From a Semantic Alignment Perspective

摘要

期刊

机构

引用论文