面向语义变化检测的双分支框架，具备边界和时间感知能力
计算机视觉与模式识别
2026-02-13 v1
摘要
语义变化检测 (Semantic Change Detection, SCD) 旨在从双时相遥感图像中检测并分类土地覆盖变化。现有方法常常存在边界模糊和时间建模不足的问题，限制了分割精度。为此，我们提出了一种具备边界和时间感知能力的语义变化检测双分支框架，称为DBTANet。具体而言，我们利用双分支 Siamese 编码器，其中一个冻结的 SAM 分支捕获全局语义上下文和边界先验，而 ResNet34 分支提供局部空间细节，确保互补的特征表示。在此基础上，我们设计了双向时间感知模块 (Bidirectional Temporal Awareness Module, BTAM)，以对称方式聚合多尺度特征并捕获时间依赖性。此外，我们还设计了高斯平滑投影模块 (Gaussian-smoothed Projection Module, GSPM)，以细化浅层 SAM 特征，抑制噪声同时增强边缘信息以实现边界感知约束。大量实验表明，DBTANet 有效地集成了全局语义、局部细节、时间推理和边界感知能力，实现了最先进的性能。
引用
@article{arxiv.2602.11466,
title = {A Dual-Branch Framework for Semantic Change Detection with Boundary and Temporal Awareness},
author = {Yun-Cheng Li and Sen Lei and Heng-Chao Li and Ke Li},
journal= {arXiv preprint arXiv:2602.11466},
year = {2026}
}