道路与桥梁语义变化检测：基于细粒度数据集与多模态频率驱动检测器
计算机视觉与模式识别
2025-09-22 v3
摘要
精准检测道路和桥梁变化对于城市规划和交通管理至关重要，但在一般化的变化检测（CD）中却面临独特挑战。关键难点在于保持道路和桥梁作为线性结构的连续性，以及消除视觉上相似的土地覆盖（如道路施工与裸地）。现有空间域模型难以解决这些问题，且由于缺乏专门且语义丰富的数据集而受限。为填补这一空白，我们引入了道路与桥梁语义变化检测（RB-SCD）数据集。RB-SCD 是首个系统性针对道路和桥梁语义变化检测的基准数据集，提供涵盖 11 种语义变化类别的详尽细粒度标注，使我们能够对交通基础设施的演变进行详细分析。基于此，我们提出一种新框架，即多模态频率驱动变化检测器（MFDCD）。MFDCD 通过两个关键组件在频率域整合多模态特征：（1）动态频率耦合器（DFC），利用小波变换分解视觉特征，使其能够稳健地建模线性跃迁的连续性；（2）文本频率滤�器（TFF），将语义先验编码为频率域图谱，并应用滤波器组将其与视觉特征对齐，从而解决语义歧义。实验表明，MFDCD 在 RB-SCD 以及三个公开 CD 数据集上实现了领先的性能。代码将在 https://github.com/DaGuangDaGuang/RB-SCD 上公开。
引用
@article{arxiv.2505.13212,
title = {Semantic Change Detection of Roads and Bridges: A Fine-grained Dataset and Multimodal Frequency-driven Detector},
author = {Qingling Shu and Sibao Chen and Xiao Wang and Zhihui You and Wei Lu and Jin Tang and Bin Luo},
journal= {arXiv preprint arXiv:2505.13212},
year = {2025}
}