Seg2Change：适用于遥感变化检测的开放词汇语义分割模型适配器
计算机视觉与模式识别
2026-04-14 v1
摘要
变化检测是遥感中的基础任务，旨在量化人类活动和生态动态对土地覆盖变化的影响。现有变化检测方法受限于训练数据集中预定义的类别，限制了其在现实场景中的可扩展性。近年来，众多先进的开放词汇语义分割模型涌现用于遥感图像。然而，缺乏有效框架直接将这些模型应用于开放词汇变化检测 (OVCD)，这是一种集成视觉与语言以检测任意类别变化的新任务。为解决这些挑战，我们首先构建了一个类别无关的变化检测数据集，称为 CA-CDD。进一步，我们设计了一个类别无关的变化头部，用于检测任意类别的转换并将其索引到特定类别。基于上述工作，我们提出了 Seg2Change，一个适用于将开放词汇语义分割模型适配到变化检测任务的适配器。通过无需复杂设计的简单而有效的框架，我们在 WHU-CD 上实现了 +9.52 IoU，在 SECOND 上实现了 +5.50 mIoU 的领先性能。我们的代码已发布于 https://github.com/yogurts-sy/Seg2Change。
关键词
引用
@article{arxiv.2604.11231,
title = {Seg2Change: Adapting Open-Vocabulary Semantic Segmentation Model for Remote Sensing Change Detection},
author = {You Su and Yonghong Song and Jingqi Chen and Zehan Wen},
journal= {arXiv preprint arXiv:2604.11231},
year = {2026}
}
备注
21 pages, 15 figures