做你想看到的改变：重新审视遥感变化检测实践
计算机视觉与模式识别
2025-07-08 v1 人工智能
摘要
遥感变化检测旨在局部化同一地点不同时间图像之间的语义变化。过去几年，较新的方法认为通过向现有架构添加新的和复杂组件来获得提升。大多数方法未衡量基本设计选择（如 backbone 选择、预训练策略和训练配置）的性能贡献。我们认为，这些基本设计选择往往比新增架构组件的影响更大。鉴于此，我们系统性地重审了变化检测模型的设计空间，分析了经过充分优化的基线的潜力。我们识别出一组有利于新旧架构的基本设计选择。借助这一洞见，我们演示了即使在设计简洁的情况下，也能在六个具有挑战性的变化检测数据集上匹配或超越当前技术性能。我们的良好实践不仅适用于我们的架构，也为相关方法提供了性能提升，表明基本设计选择的空间尚未得到充分探索。我们的指南和架构为未来方法提供了坚实的基础，强调在推动变化检测性能方面，优化核心组件与架构新颖性同样重要。代码：https://github.com/blaz-r/BTC-change-detection
关键词
引用
@article{arxiv.2507.03367,
title = {Be the Change You Want to See: Revisiting Remote Sensing Change Detection Practices},
author = {Blaž Rolih and Matic Fučka and Filip Wolf and Luka Čehovin Zajc},
journal= {arXiv preprint arXiv:2507.03367},
year = {2025}
}
备注
Accepted by IEEE TGRS: https://doi.org/10.1109/TGRS.2025.3585342