NeXt2Former-CD：基于现代视觉架构的高效遥感变化检测
计算机视觉与模式识别
2026-02-24 v1
摘要
状态空间模型（SSMs）最近在遥感变化检测（CD）中因其良好的扩展属性而受到关注。本文探讨了现代卷积和注意力架构作为竞争性替代方案的潜力。我们提出了 NeXt2Former-CD，一个集成 Siamese ConvNeXt 编码器（初始化为 DINOv3 权重）、基于可变形注意力的时序融合模块和 Mask2Former 解码器的端到端框架。该设计旨在更好地容忍残余配准噪声和小对象级空间偏移，以及生物双时相图像中的语义模糊。在 LEVIR-CD、WHU-CD 和 CDD 数据集上的实验表明，我们的方法在所评估的方法中取得了最佳结果，相较于最近的 Mamba-based 基线在 F1 分数和 IoU 上均有所改进。此外，尽管模型参数更多，推理延迟仍与 SSM-based 方法相当，表明其在高分辨率变化检测任务中具有实用性。
引用
@article{arxiv.2602.18717,
title = {NeXt2Former-CD: Efficient Remote Sensing Change Detection with Modern Vision Architectures},
author = {Yufan Wang and Sokratis Makrogiannis and Chandra Kambhamettu},
journal= {arXiv preprint arXiv:2602.18717},
year = {2026}
}
备注
Code will be released at https://github.com/VimsLab/NeXt2Former-CD