面向真实场景的畸变感知变化检测
计算机视觉与模式识别
2024-09-13 v1
摘要
在传统的变化检测（CD）流程中，两个经人工配准和标注的遥感数据集作为模型输入，用于训练和预测。然而，在真实场景中，由于坐标系不同，不同时期或传感器的数据可能无法对齐。坐标偏移引起的几何畸变一直是变化检测算法面临的棘手问题。本文针对变化检测任务中的双时相几何畸变，提出了一种可复用的自监督框架。整个框架由前置表示预训练、双时相图像对齐和下游解码器微调组成。仅需单阶段预训练，框架的关键组件即可复用于辅助双时相图像对齐，同时提升变化检测解码器的性能。在两个大规模真实场景中的实验结果表明，我们提出的方法能够缓解变化检测任务中的双时相几何畸变。
引用
@article{arxiv.2401.05157,
title = {Toward distortion-aware change detection in realistic scenarios},
author = {Yitao Zhao and Heng-Chao Li and Nanqing Liu and Rui Wang},
journal= {arXiv preprint arXiv:2401.05157},
year = {2024}
}