基于基础模型的遥感影像语义变化检测
计算机视觉与模式识别
2026-04-30 v2
摘要
遥感变化检测是解释表面动态的关键方法。语义变化检测（SCD）进而实现多类别转换的像素级理解，但易受成像条件引发的伪变化的敏感性。近期遥感基础模型在时序和环境变化下提取语义一致特征，这对于缓解伪变化至关重要。然而，现有SCD方法往往僵化且特定于骨架，缺乏整合新兴基础模型中多尺度特征的灵活性。为此，我们引入模块化级联门控解码器（CG-Decoder），桥接各种骨架与SCD任务，以粗到细方式处理多尺度特征，实现自适应变化提取。基于遥感基础模型 PerA，我们提出 PerASCD，一个统一的SCD框架。进一步提出软语义一致性损失（SSCLoss）以缓解混合精度训练中的数值不稳定性。在SECOND和LandsatSCD上的大量实验表明，PerASCD取得新的最高Sek分数（分别提升0.61%和4.95%），并展现出卓越的数据效率（以50%数据超越全量数据基线）、无缝跨骨架泛化和增强可解释性。本方法在辐射条件变化下保持稳健的语义一致性，为可靠的SCD解决方案提供保障。代码：https://github.com/SathShen/PerASCD.git。
引用
@article{arxiv.2602.13780,
title = {Foundation Model-Driven Semantic Change Detection in Remote Sensing Imagery},
author = {Hengtong Shen and Li Yan and Hong Xie and Yaxuan Wei and Xinhao Li and Wenfei Shen and Peixian Lv and Fei Tan},
journal= {arXiv preprint arXiv:2602.13780},
year = {2026}
}