STAND：基于双粒度消歧的遥感图像变更描述语锚约束
计算机视觉与模式识别
2026-04-28 v1 机器学习
摘要
遥感图像变更描述（RSICC）旨在描述两幅遥感图像之间的差异。虽然近期方法探索了视频建模，但大多数情况下忽视了视角、尺度及先验知识中固有的歧义，缺乏有效约束编码器。本文提出STAND（Semantic Anchoring Constraint with Dual-Granularity Disambiguation for RSICC），通过双粒度消歧机制逐步解决这些歧义。具体而言，为建立可靠的特征基础，首先引入可解释约束以正规化时间表示。针对这些净化后的特征，采用双粒度消歧模块，通过宏观层全局上下文聚合解决视角混淆，同时通过微观层频率聚焦注意力提升小目标尺度。最终，通过语义概念锚定模块利用语言类别先验处理解码过程中的知识歧义。广泛实验验证了STAND的优越性及其有效解决歧义的能力。
引用
@article{arxiv.2604.23309,
title = {STAND: Semantic Anchoring Constraint with Dual-Granularity Disambiguation for Remote Sensing Image Change Captioning},
author = {Yanpei Gong and Beichen Zhang and Hao Wang and Zhaobo Qi and Xinyan Liu and Yuanrong Xu and Ruiyang Gao and Weigang Zhang},
journal= {arXiv preprint arXiv:2604.23309},
year = {2026}
}