ChessMamba: 用于遥感图像变化检测的结构感知交错状态空间
计算机视觉与模式识别
2025-11-26 v1
摘要
多时相遥感图像中的变化检测因异质性和时空错位性面临细粒度识别的挑战。然而，基于视觉转换器或时空模型的现有方法通常在时序序列化过程中破坏局部结构一致性，使异位下的判别线索被遮蔽，阻碍可靠的变化定位。为此，我们引入ChessMamba，一个结构感知框架，利用交错状态空间建模实现稳健的变化检测。ChessMamba集成了SpatialMamba编码器与轻量级跨源交互模块，具有两个关键创新：（i）采用蛇形扫描顺序的棋盘交错，将多时相特征序列化为统一序列于单次前向传播内，从而缩短交互路径，实现精确的变化定位；（ii）通过多空洞卷积实现结构感知融合，在每个单时相中有选择地捕获中心与角 Neighborhood 的上下文。对三类变化检测任务进行全面评估，包括二值变化检测、语义变化检测和多模态建筑物损伤评估，结果表明ChessMamba有效融合异构特征，相较于最先进的方法实现了显著的精度提升。相关代码将在github.com/DingLei14/ChessMamba上发布。
引用
@article{arxiv.2511.19882,
title = {ChessMamba: Structure-Aware Interleaving of State Spaces for Change Detection in Remote Sensing Images},
author = {Lei Ding and Tong Liu and Xuanguang Liu and Xiangyun Liu and Haitao Guo and Jun Lu},
journal= {arXiv preprint arXiv:2511.19882},
year = {2025}
}