你想要的改变：基于混合数据生成的地面观测语义变更检测
计算机视觉与模式识别
2025-04-07 v2
摘要
基于超高分辨率 (VHR) 图像进行双时相变更检测在规模化应用中至关重要，但迄今为止尚未得到充分解决：现有方法要么需要大量标注数据 (语义情形)，要么仅限于受限数据集 (二元情形)。大多数方法不具备针对时空适应所需的灵活性：在架构设计和预训练上需保持简单，并依赖真实且全面的数据集。合成数据是关键解决方案，但仍难以处理复杂多样的场景。本文提出 HySCDG，一种用于生成大型混合语义变更检测数据集的生成管道，包含真实 VHR 图像和稀释后图像，以及两个时间点的地覆盖语义图和变更图。该方法在语义和空间上均受指导，生成逼真的图像，形成覆盖广泛、混合且可迁移的数据集 FSC-180k。我们在五种变更检测情形（二元与语义）上评估 FSC-180k，包括零样、混合和顺序训练，以及低数据 regime 训练。实验表明，在混合数据集上预训练可显著提升性能，在每种配置下均优于全合成数据集 SyntheWorld。所有代码、模型和数据均可在此处获取：https://yb23.github.io/projects/cywd/
引用
@article{arxiv.2503.15683,
title = {The Change You Want To Detect: Semantic Change Detection In Earth Observation With Hybrid Data Generation},
author = {Yanis Benidir and Nicolas Gonthier and Clement Mallet},
journal= {arXiv preprint arXiv:2503.15683},
year = {2025}
}