基于 Change State Space Model 的高效遥感变化检测
计算机视觉与模式识别
2025-11-04 v2
摘要
尽管 ConvNets 和 Vision Transformer (ViT) 在变化检测中广泛使用，但前者在建模长程依赖方面存在明显局限，而后者又因计算效率低下，在大规模数据集上训练时具有挑战性。基于 State Space Model 的 Vision Mamba 架构已被证明能够克服上述缺陷，已在遥感变化检测中主要用作特征提取 backbone。本文引入 Change State Space Model，专为变化检测设计，聚焦于双时相图像之间的相关变化，有效过滤无关信息。通过仅聚焦已更改特征，网络参数数量显著减少，显著提升计算效率，同时保持高检测性能和对输入退化的鲁棒性。该模型在三个基准数据集上进行评估，在参数计算复杂度为其它 ConvNets、ViT 和 Mamba 基方法的分数时，实现了卓越的性能。实现将在接受后发布于 https://github.com/Elman295/CSSM。
引用
@article{arxiv.2504.11080,
title = {Efficient Remote Sensing Change Detection with Change State Space Models},
author = {Elman Ghazaei and Erchan Aptoula},
journal= {arXiv preprint arXiv:2504.11080},
year = {2025}
}