ZeroSCD：零样街景变化检测
机器人学
2024-09-24 v1 计算机视觉与模式识别
摘要
场景变化检测是计算机视觉和机器人学中的一个具有挑战性的任务，旨在识别同一场景在不同时间捕获的两幅图像之间的差异。传统的变化检测方法依赖于将这些图像对作为输入并估计变化的训练模型，这需要大量标注数据，过程昂贵且耗时。为克服这一问题，我们提出了ZeroSCD，一个零样场景变化检测框架，无需训练。ZeroSCD利用现有的用于地点识别和语义分割的预训练模型，其特征和输出用于执行变化检测。在该框架中，来自地点识别模型的特征用于估计对应关系并检测两幅图像之间的变化。然后，这些变化与语义分割模型的分割结果相结合，以精确描绘检测到的变化边界。大量基准数据集上的实验表明，ZeroSCD在变化检测准确率方面超过了几个最先进的方法，尽管未在任何基准数据集上进行训练，证明了其有效性和适应性。
引用
@article{arxiv.2409.15255,
title = {ZeroSCD: Zero-Shot Street Scene Change Detection},
author = {Shyam Sundar Kannan and Byung-Cheol Min},
journal= {arXiv preprint arXiv:2409.15255},
year = {2024}
}