EMPLACE：基于自监督学习的城市场景变化检测
计算机视觉与模式识别
2025-03-25 v1
摘要
城市变化是一个持续进行的过程，影响着社区的感知以及其中居民的生活。城市场景变化检测（Urban Scene Change Detection, USCD）旨在利用计算机视觉捕捉街道场景中的变化，帮助人们更好地了解城市及其居民。传统方法依赖小规模数据集的监督学习，限制了其在新城市中的应用，因为需要耗时的标注过程，以及预先定义相关变化的假设。在本文中，我们引入了规模最大的USCD数据集AC-1M（超过110万张图片），并提出了EMPLACE——一种基于自适应三角损失训练的Vision Transformer自监督方法。我们展示，EMPLACE在作为预训练方法进行线性微调以及零样本设置下，均优于当前最先进的方法。最后，在阿姆斯特丹的案例研究中，我们表明EMPLACE能够检测城市范围内的大小变化，检测到的变化规模与房价呈相关性——这反映了不平等现象。
引用
@article{arxiv.2503.17716,
title = {EMPLACE: Self-Supervised Urban Scene Change Detection},
author = {Tim Alpherts and Sennay Ghebreab and Nanne van Noord},
journal= {arXiv preprint arXiv:2503.17716},
year = {2025}
}
备注
7 pages, 7 figures, published at AAAI 2025