时空穿越像素：基础模型双时相特征融合用于遥感图像变化检测
计算机视觉与模式识别
2023-12-29 v1
摘要
变化检测是遥感领域的一个突出研究方向，对于观察和分析地表变化至关重要。尽管基于深度学习的方法已取得显著进展，但在时空复杂的遥感场景中执行高精度变化检测仍然是一个重大挑战。基础模型 (foundation models) 的近期出现，凭借其强大的通用性和泛化能力，提供了潜在的解决方案。然而，弥合数据和任务之间的差距仍然是一个重大障碍。在本文中，我们介绍了时空穿越像素 (Time Travelling Pixels, TTP)，这是一种将 SAM 基础模型的潜在知识整合到变化检测中的新方法。该方法有效解决了通用知识转移中的域偏移问题，以及多时相图像同质和异质特征表达的挑战。在 LEVIR-CD 数据集上获得的最先进 (SOTA) 结果证明了 TTP 的有效性。代码可在 \url{https://kychen.me/TTP} 获取。
引用
@article{arxiv.2312.16202,
title = {Time Travelling Pixels: Bitemporal Features Integration with Foundation Model for Remote Sensing Image Change Detection},
author = {Keyan Chen and Chengyang Liu and Wenyuan Li and Zili Liu and Hao Chen and Haotian Zhang and Zhengxia Zou and Zhenwei Shi},
journal= {arXiv preprint arXiv:2312.16202},
year = {2023}
}