基于几何先验的非对齐场景变更检测
计算机视觉与模式识别
2025-09-17 v2
摘要
非对齐场景变更检测旨在检测不同时间捕获的图像对之间的场景变更，而无需假设视点对齐。为处理视点变化，现有方法仅依赖2D视觉线索在跨图像之间建立对应关系以辅助变更检测。然而，大幅视点变化会改变视觉观察，导致基于外观的匹配漂移或失效。此外，受限于小规模场景变更检测数据集中仅提供2D变更掩码的监督信息，限制了可通用多视知识的学习，难以可靠识别视觉重叠并处理遮挡。这种缺乏显式几何推理的局限性代表了一个尚未被充分关注的关键问题。本文首次引入几何先验，以解决非对齐场景变更检测的核心挑战，实现可靠的视觉重叠识别、稳健的对应关系建立以及显式的遮挡检测。基于这些先验，我们提出一种无需训练的框架，将其与视觉基础模型的强大表示相集成，以实现视点错位下的可靠变更检测。通过在PSCD、ChangeSim和PASLCD数据集上的广泛评估，我们展示了该方法实现了卓越且稳健的性能。我们的代码将在https://github.com/ZilingLiu/GeoSCD发布。
引用
@article{arxiv.2509.11292,
title = {Leveraging Geometric Priors for Unaligned Scene Change Detection},
author = {Ziling Liu and Ziwei Chen and Mingqi Gao and Jinyu Yang and Feng Zheng},
journal= {arXiv preprint arXiv:2509.11292},
year = {2025}
}