基于单时程监督的远程变更检测：面向域泛化
计算机视觉与模式识别
2024-04-24 v4
摘要
变更检测在遥感图像分析中得到广泛应用。现有方法需要为每个数据集单独训练模型，导致域泛化效果差。此外，这些方法高度依赖大量高质量配对标签数据进行训练，这既昂贵又不切实际。本文提出一种基于视觉语言预训练的多模态对比学习方法（ChangeCLIP），用于变更检测域泛化。此外，我们提出了用于 prompt 学习的动态上下文优化。同时，为解决现有方法对数据的依赖问题，引入单时程和可控 AI 生成训练策略（SAIN）。这使我们能够使用大量单时程图像（无需真实世界中的图像对）进行训练，实现卓越的泛化。在系列真实变更检测数据集上的大量实验验证了 ChangeCLIP 的优越性和强泛化能力，超越了最先进的变更检测方法。代码将公开提供。
引用
@article{arxiv.2404.11326,
title = {Single-temporal Supervised Remote Change Detection for Domain Generalization},
author = {Qiangang Du and Jinlong Peng and Xu Chen and Qingdong He and Liren He and Qiang Nie and Wenbing Zhu and Mingmin Chi and Yabiao Wang and Chengjie Wang},
journal= {arXiv preprint arXiv:2404.11326},
year = {2024}
}