基于 SAM 的建筑变更检测：分布感知傅里叶适配与边缘受限配准
计算机视觉与模式识别
2025-04-18 v1
摘要
建筑变更检测在城市发展、灾后评估和军事侦察中仍然具有挑战性。虽然基于分割模型如 Segment Anything Model (SAM) 显示出强大的分割能力，但SAM在建筑变更检测任务中受限于领域差距问题。现有的基于适配器的微调方法面临建筑分布不平衡的问题，导致对细微变更的检测不佳和边缘提取不准确。此外，变更检测中的双时相错位问题通常通过光流方法处理，但对背景噪声敏感，这会影响建筑变更的检测，妥协检测精度和边缘识别。为解决这些挑战，我们提出了一种新的基于 SAM 的网络，集成分布感知傅里叶适配与边缘受限配准（FAEWNet），用于建筑变更检测。FAEWNet利用 SAM 编码器从遥感图像中提取丰富的视觉特征。为引导SAM在遥感场景中关注特定地物，我们提出了分布感知傅里叶聚合适配器，以聚合任务导向的变更信息。该适配器不仅有效解决了领域差距问题，还关注变更建筑的分布。此外，为缓解高度偏移估计中的噪声干扰和错位问题，我们设计了新的流模块，以细化建筑边缘提取并增强对变更建筑的感知。我们在 LEVIR-CD、S2Looking 和 WHU-CD 数据集上实现了最先进的效果，凸显了 FAEWNet 的有效性。代码可在 https://github.com/SUPERMAN123000/FAEWNet 查阅。
引用
@article{arxiv.2504.12619,
title = {SAM-Based Building Change Detection with Distribution-Aware Fourier Adaptation and Edge-Constrained Warping},
author = {Yun-Cheng Li and Sen Lei and Yi-Tao Zhao and Heng-Chao Li and Jun Li and Antonio Plaza},
journal= {arXiv preprint arXiv:2504.12619},
year = {2025}
}