SceneDiff：用于多视角目标变化检测的基准数据集与方法
计算机视觉与模式识别
2026-04-01 v2
摘要
我们研究了在同一场景在不同时间的成对捕获（图像或视频）之间，用于识别被添加、移除或移动的目标的问题。准确识别可验证的变化极具挑战性——一些目标可能因被遮挡或超出画面范围而显得缺失，而另一些目标则可能因视角变化而呈现不同外观。为研究此问题，我们引入了 SceneDiff 基准数据集，这是第一个包含沿不同相机轨迹捕获的场景多视角变化检测数据集，包含 350 对多样化视频对，标注了稠密的对象实例级注释。我们还引入了 SceneDiff算法，这是一种无需训练的方法，通过求解图像姿态、将图像分割为目标对象，并结合语义特征和几何特征进行比较。通过基于预训练模型的构建，SceneDiff 在无需重新训练的情况下可跨域泛化，并随底层模型的进步而自然提升。在多视角和两视角基准测试中实验表明，我们的方法在现有方法上实现了显著的提升（分别提高了 53.0% 和 30.6% 的相对平均精度）。项目页面：https://yuqunw.github.io/SceneDiff
引用
@article{arxiv.2512.16908,
title = {SceneDiff: A Benchmark and Method for Multiview Object Change Detection},
author = {Yuqun Wu and Chih-hao Lin and Henry Che and Aditi Tiwari and Chuhang Zou and Shenlong Wang and Derek Hoiem},
journal= {arXiv preprint arXiv:2512.16908},
year = {2026}
}