大规模小变化的多模态建筑变化检测：基准数据集与基线方法
计算机视觉与模式识别
2026-03-20 v1
摘要
遥感光学影像上的变化检测易受到光照波动、季节性变化以及表面土地覆盖材料变化的影响。仅依赖RGB影像常会产生伪变化，导致特征语义模糊。融合近红外（NIR）信息提供的异构物理线索与可见光互补，从而增强建筑材料和小型结构的判别性，提高检测精度。然而，现有多模态数据集通常缺乏高分辨率且准确配准的双时相影像，当前方法往往未充分利用这些模态之间的内在异构性。为此，我们引入大规模小变化多模态数据集（LSMD），面向真实场景中小范围建筑变化检测，提供严密的测试平台，用于评估复杂环境下多模态变化检测方法。基于LSMD，我们进一步提出多模态光谱互补网络（MSCNet）以实现有效的跨模态特征融合。MSCNet包含三个关键组件：邻域上下文增强模块（NCEM）以强化局部空间细节，跨模态对齐与交互模块（CAIM）以实现RGB和NIR特征的深度交互，显著性多源细化模块（SMRM）以逐步细化融合特征。广泛实验表明，MSCNet有效利用多模态信息，始终优于多种输入配置下的现有方法，验证了其在细粒度建筑变化检测中的有效性。源代码将在 https://github.com/AeroVILab-AHU/LSMD 上公开。
引用
@article{arxiv.2603.19077,
title = {Multi-Modal Building Change Detection for Large-Scale Small Changes: Benchmark and Baseline},
author = {Ye Wang and Wei Lu and Zhihui You and Keyan Chen and Tongfei Liu and Kaiyu Li and Hongruixuan Chen and Qingling Shu and Sibao Chen},
journal= {arXiv preprint arXiv:2603.19077},
year = {2026}
}
备注
15 pages, 12 figures