基于任意分割模型（SAM）的光学遥感影像与地图数据变化检测
图像与视频处理
2024-01-18 v1 人工智能
计算机视觉与模式识别
多媒体
摘要
无监督多模态变化检测对于时间敏感任务和全面的多时相地球监测至关重要。在本研究中，我们探索了两种关键遥感数据源之间的无监督多模态变化检测：光学高分辨率影像和OpenStreetMap（OSM）数据。具体而言，我们提出利用视觉基础模型任意分割模型（Segment Anything Model, SAM）来解决我们的任务。利用SAM卓越的零样本迁移能力，可以获得光学图像的高质量分割图。因此，我们可以在所谓的分割域中直接比较这两种异构数据形式。然后，我们引入两种策略来引导SAM的分割过程：“无提示”方法和“框/掩码提示”方法。这两种策略分别设计用于检测一般场景中的土地覆盖变化，以及识别现有背景中的新增土地覆盖对象。在三个数据集上的实验结果表明，与代表性的无监督多模态变化检测方法相比，所提出的方法能够取得更具竞争力的结果。
引用
@article{arxiv.2401.09019,
title = {Change Detection Between Optical Remote Sensing Imagery and Map Data via Segment Anything Model (SAM)},
author = {Hongruixuan Chen and Jian Song and Naoto Yokoya},
journal= {arXiv preprint arXiv:2401.09019},
year = {2024}
}