RCDT：基于 Transformer 的关系型遥感变化检测

基于深度学习的变化检测方法因其在从图像中获取丰富特征方面的强大能力而受到广泛关注。然而，现有基于 AI 的变化检测（CD）方法很大程度上依赖三个功能增强模块，即语义增强、注意力机制和对应增强。这些模块的堆叠导致模型复杂度极高。为将这三个模块统一为简单流程，我们引入关系型变化检测 Transformer（RCDT），一种用于遥感变化检测任务的新颖且简单的框架。所提 RCDT 由三个主要组件构成：权重共享孪生骨干网络以获取双时相特征，实现偏移交叉注意力以获取双时相关系感知特征的关系型交叉注意力模块（RCAM），以及利用高分辨率约束实现最终精炼预测的特征约束模块（FCM）。在四个不同公开数据集上的广泛实验表明，相较于其他竞争方法，所提 RCDT 展现出更优的变化检测性能。本研究的理论、方法与实验知识有望惠及未来涉及交叉注意力机制的变化检测工作。