CD-Lamba：基于跨时序局部自适应状态空间模型提升遥感变更检测
计算机视觉与模式识别
2025-01-28 v1
摘要
Mamba 因其全局感知能力和线性复杂度优势，已被广泛应用于识别遥感图像在复杂场景和变化条件下目标区域的变更。然而，基于 Mamba 的现有遥感变更检测(RSCD)方法经常难以有效感知变更区域的固有局部性，因为它们直接展平和扫描遥感图像(即相同变更区域的特征在序列中分布不连续，被其他区域的特征 throughout the sequence 混合)。本文提出一种新颖的局部自适应状态空间扫描(CT-LASS)模块集成方法，称为 CD-Lamba，通过 LASS 策略增强局部性，CTSS 策略实现双时相特征融合，WSP 机制增强跨分段窗口的相互作用。这些策略整合到多尺度跨时序局部自适应状态空间扫描模块中，以有效突出变更并细化变更表示特征生成。CD-Lamba 显著增强了双时相图像中的局部-全局时空相互作用，在 RSCD 任务中提供了 improved performance。大量实验结果表明，CD-Lamba 在四个基准数据集上实现了最先进的性能，在效率-精度之间实现了满意的权衡。我们的代码已公开于 https://github.com/xwmaxwma/rschange。
引用
@article{arxiv.2501.15455,
title = {CD-Lamba: Boosting Remote Sensing Change Detection via a Cross-Temporal Locally Adaptive State Space Model},
author = {Zhenkai Wu and Xiaowen Ma and Rongrong Lian and Kai Zheng and Mengting Ma and Wei Zhang and Siyang Song},
journal= {arXiv preprint arXiv:2501.15455},
year = {2025}
}