基于生成式虚拟标本学习的标签稀缺卫星图像变更检测
计算机视觉与模式识别
2025-10-09 v1
摘要
变更检测是遥感中寻找多时相卫星或航空图像中所有变更 occurrences 的主要任务，其成功性依赖于手工标注训练数据的可用性，这些数据能够捕捉获取条件和用户（oracle）的主观性。在本文中，我们构建了一个基于主动学习的新型变更检测算法。本工作的主要贡献在于 develops 一个新模型，用于衡量每个未标记样本的重要性，并为 oracle 提供最关键的样本（也称为虚拟标本）进行进一步标注。这些标本是使用可逆图卷积网络生成的，是对抗损失的最优解，该损失（i）衡量数据的代表性、多样性和歧义性，从而（ii）挑战（最可能的）当前的变更检测标准，导致在后续主动学习迭代中对这些标准进行更好的重新估计。大量实验表明，我们的标签高效学习模型对比方法具有积极影响。
引用
@article{arxiv.2510.06926,
title = {Label-frugal satellite image change detection with generative virtual exemplar learning},
author = {Hichem Sahbi},
journal= {arXiv preprint arXiv:2510.06926},
year = {2025}
}