ReasonCD：用于隐式兴趣变化语义挖掘的多模态推理大模型
计算机视觉与模式识别
2025-12-23 v1
摘要
遥感图像变化检测是遥感智能解译中的基本任务之一。其核心目标是识别变化感兴趣区域（CRoI）内的变化。当前的多模态大模型编码了丰富的人类语义知识，这些知识被用于指导遥感变化检测等任务。然而，现有的使用语义指导来检测用户 CRoI 的方法过度依赖 CRoI 的显式文本描述，导致在面对隐式 CRoI 文本描述时出现近乎完全性能失效的问题。本文提出了一种名为 ReasonCD 的多模态推理变化检测模型，能够挖掘用户的隐式任务意图。该模型利用预训练大语言模型强大的推理能力来挖掘用户的隐式任务意图，并随后根据这些意图获得不同的变化检测结果。在公共数据集上的实验表明，该模型取得了优异的变化检测性能，在 BCDD 数据集上 F1 分数达到 92.1%。此外，为了验证其优越的推理功能，本文基于 SECOND 数据集标注了一部分推理数据子集。实验结果表明，该模型不仅擅长基于推理的基本变化检测任务，还能解释推理过程以辅助人类决策。
引用
@article{arxiv.2512.19354,
title = {ReasonCD: A Multimodal Reasoning Large Model for Implicit Change-of-Interest Semantic Mining},
author = {Zhenyang Huang and Xiao Yu and Yi Zhang and Decheng Wang and Hang Ruan},
journal= {arXiv preprint arXiv:2512.19354},
year = {2025}
}