零样本场景变化检测

我们提出了一种新颖的、无需训练的场景变化检测方法。我们的方法利用了跟踪模型，该模型通过识别共同物体并检测新出现或消失的物体，本质上在视频的连续帧之间执行变化检测。具体来说，我们的方法利用跟踪模型的变化检测效应，通过输入参考图像和查询图像而不是连续帧。此外，我们关注变化检测中两个输入图像之间的内容差距和风格差距，并分别通过提出自适应内容阈值和风格桥接层来解决这两个问题。最后，我们将我们的方法扩展到视频，利用丰富的时间信息来增强场景变化检测的性能。我们通过各种实验比较了我们的方法和基线。虽然现有的基于训练的基线往往只擅长于训练领域，但我们的方法在各个领域都表现出一致的性能，证明了我们方法的竞争力。