通过模拟随机变化过程实现可扩展的多时相遥感变化数据生成
计算机视觉与模式识别
2023-10-02 v1 人工智能
摘要
理解地球表面的时间动态是多时相遥感图像分析的一项使命，而带有标注的多时相图像这一燃料显著推动了深度视觉模型的发展。然而，大规模收集、预处理和标注多时相遥感图像并非易事，因其昂贵且依赖专业知识。本文提出一种通过生成建模实现的可扩展多时相遥感变化数据生成器，其廉价且自动，缓解了上述问题。我们的主要思想是模拟随时间演化的随机变化过程。我们将该随机变化过程视为一种概率语义状态转移，即生成式概率变化模型（GPCM），其将复杂的模拟问题解耦为两个更易处理的子问题，即变化事件模拟与语义变化合成。为解决这两个问题，我们提出变化生成器（Changen），一种基于 GAN 的 GPCM，可实现可控的目标变化数据生成，包括可定制的目标属性与变化事件。大量实验表明，我们的 Changen 具有优越的生成能力，且经 Changen 预训练的变化检测器对真实世界变化数据集展现出优异的可迁移性。
引用
@article{arxiv.2309.17031,
title = {Scalable Multi-Temporal Remote Sensing Change Data Generation via Simulating Stochastic Change Process},
author = {Zhuo Zheng and Shiqi Tian and Ailong Ma and Liangpei Zhang and Yanfei Zhong},
journal= {arXiv preprint arXiv:2309.17031},
year = {2023}
}
备注
ICCV 2023