基于弱时间监督的遥感变化检测
计算机视觉与模式识别
2026-01-06 v1 人工智能
摘要
遥感语义变化检测旨在识别双时相图像对中的地表覆盖变化。该领域的进展受限于标注数据稀缺，因像素级标注成本高昂且耗时。为此，近期方法利用合成数据或生成人造变化对，但跨域泛化仍有限。本文引入一种弱时间监督策略，利用现有单时相数据集的额外时间观测，无需新增标注。具体而言，我们扩展单日遥感数据集，加入在不同时间获取的观测，并通过假设真实双时相对大多数情况下无变化、将来自不同位置的图像配对生成变化示例来训练变化检测模型。为处理这些弱标签中的固有噪声，我们采用对象感知的变化图生成和迭代细化过程。我们在 FLAIR 和 IAILD 航空数据集的扩展版本上验证了方法，实现了在不同基准上的强大零样本和低数据 regime 表现。最后，我们展示了在法国大范围区域的结果，凸显了该方法在规模化潜力。
引用
@article{arxiv.2601.02126,
title = {Remote Sensing Change Detection via Weak Temporal Supervision},
author = {Xavier Bou and Elliot Vincent and Gabriele Facciolo and Rafael Grompone von Gioi and Jean-Michel Morel and Thibaud Ehret},
journal= {arXiv preprint arXiv:2601.02126},
year = {2026}
}