对齐、扰动与解耦：面向更好地利用差异信息用于遥感影像变化检测
计算机视觉与模式识别
2023-05-31 v1
摘要
变化检测是遥感影像（RSI）分析中广泛采用的技术，用于发现长期地貌演化。为突出语义变化区域，以往工作多关注学习单幅图像的代表性特征描述符，而差异信息要么通过简单差分操作建模，要么通过特征交互隐式嵌入。然而，这种差异建模可能存在噪声，因为它受到非语义变化的影响，且缺乏来自图像内容或上下文的显式引导。本文重新审视了特征差异在 RSI 变化检测中的重要性，并提出一系列操作以充分利用差异信息：对齐、扰动与解耦（APD）。首先，对齐利用上下文相似性补偿特征空间中的非语义差异。接着，采用经语义级扰动训练的差异模块来学习更具泛化性的变化估计器，其反过来引导特征提取与预测。最后，设计了一种解耦的双解码器结构，以内容感知与内容无关两种方式预测语义变化。在 LEVIR-CD、WHU-CD 和 DSIFN-CD 基准上进行了大量实验，表明我们所提操作带来了显著改进，并在相似对比条件下取得了有竞争力的结果。代码见 https://github.com/wangsp1999/CD-Research/tree/main/openAPD
引用
@article{arxiv.2305.18714,
title = {Align, Perturb and Decouple: Toward Better Leverage of Difference Information for RSI Change Detection},
author = {Supeng Wang and Yuxi Li and Ming Xie and Mingmin Chi and Yabiao Wang and Chengjie Wang and Wenbing Zhu},
journal= {arXiv preprint arXiv:2305.18714},
year = {2023}
}
备注
To appear in IJCAI 2023