MemOVCD：基于跨时序记忆推理与全局-局部自适应校正的训练-free 开放词汇变检测
计算机视觉与模式识别
2026-04-30 v1 人工智能
摘要
开放词汇变检测旨在无需预定义类别的条件下识别双时相遥感图像中的语义变化。最近的研究方法结合了SAM、DINO和CLIP等基础模型，但通常独立处理每个时间戳，或仅在最终比较阶段进行交互。这种范式在语义推理期间的时序耦合不足，限制了其区分真实语义变化与非语义外观差异的能力。此外，patch导向的高分辨率图像推理常削弱全局语义连续性，产生碎片化的变区域。为此，我们提出MemOVCD，一个基于跨时序记忆推理和全局-局部自适应校正的训练-free 开放词汇变检测框架。具体而言，我们将双时相变检测重新表述为双帧跟踪问题，引入加权双向传播以聚合来自两个时序方向的语义证据。为稳定跨大时间间隔的记忆传播，我们构建直方图对齐的过渡帧，以平滑突变的外观变化。此外，一种全局-局部自适应校正策略自适应地融合局部和全局视图预测，提高空间一致性，同时保留细粒度细节。在五个基准数据集上的实验表明，MemOVCD在两个变检测任务上取得理想的性能，验证了其在多样化开放词汇设置下的有效性和广泛性。
引用
@article{arxiv.2604.26774,
title = {MemOVCD: Training-Free Open-Vocabulary Change Detection via Cross-Temporal Memory Reasoning and Global-Local Adaptive Rectification},
author = {Zuzheng Kuang and Honghao Chang and Boqiang Liang and Haoqian Wang and Lijun He and Fan Li and Haixia Bi},
journal= {arXiv preprint arXiv:2604.26774},
year = {2026}
}