論文の概要: Changer: Feature Interaction is What You Need for Change Detection
- arxiv url: http://arxiv.org/abs/2209.08290v1
- Date: Sat, 17 Sep 2022 09:13:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 18:02:10.439548
- Title: Changer: Feature Interaction is What You Need for Change Detection
- Title(参考訳): changer: 機能インタラクションは、変更検出に必要なものです。
- Authors: Sheng Fang, Kaiyu Li, Zhe Li
- Abstract要約: 変化検出は、長期の地球観測ミッションにとって重要なツールである。
本稿では,特徴抽出器に代替的なインタラクション層を含む,新しい汎用的な変更検出アーキテクチャであるMetaChangerを提案する。
異なるスケール変化検出データセット上で,Changerシリーズモデルが競合性能を達成するのを観察する。
- 参考スコア(独自算出の注目度): 6.385385687682811
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Change detection is an important tool for long-term earth observation
missions. It takes bi-temporal images as input and predicts "where" the change
has occurred. Different from other dense prediction tasks, a meaningful
consideration for change detection is the interaction between bi-temporal
features. With this motivation, in this paper we propose a novel general change
detection architecture, MetaChanger, which includes a series of alternative
interaction layers in the feature extractor. To verify the effectiveness of
MetaChanger, we propose two derived models, ChangerAD and ChangerEx with simple
interaction strategies: Aggregation-Distribution (AD) and "exchange". AD is
abstracted from some complex interaction methods, and "exchange" is a
completely parameter\&computation-free operation by exchanging bi-temporal
features. In addition, for better alignment of bi-temporal features, we propose
a flow dual-alignment fusion (FDAF) module which allows interactive alignment
and feature fusion. Crucially, we observe Changer series models achieve
competitive performance on different scale change detection datasets. Further,
our proposed ChangerAD and ChangerEx could serve as a starting baseline for
future MetaChanger design.
- Abstract(参考訳): 変化検出は、長期地球観測ミッションにとって重要なツールである。
バイタイムイメージを入力として取り、変化が起きた"場所"を予測する。
他の密集した予測タスクとは異なり、変更検出に意味のある考慮は、両時間的特徴間の相互作用である。
このモチベーションにより、本論文では、特徴抽出器に一連の代替的な相互作用層を含む、新しい汎用的な変更検出アーキテクチャであるmetachangerを提案する。
そこで我々は,MetaChangerの有効性を検証するために,単純なインタラクション戦略であるAggregation-Distribution(AD)と"Exchange"の2つの派生モデルであるChangerADとChangerExを提案する。
ad はいくつかの複雑な相互作用法から抽象化され、"exchange" は完全にパラメータ\&computation-free 操作である。
さらに、両時間的特徴のアライメントを改善するために、インタラクティブなアライメントと特徴融合を可能にするフローデュアルアライメント融合(FDAF)モジュールを提案する。
重要な点として、異なるスケール変化検出データセットにおいて、Changerシリーズモデルが競合性能を達成するのを観察する。
さらに、提案するchangeradおよびchangerexは、将来のmetachanger設計の出発となるベースラインとなり得る。
関連論文リスト
- Segment Any Change [70.17716393332482]
本稿では、ゼロショット予測と、見えない変更タイプやデータ分布の一般化をサポートする新しいタイプの変更検出モデルを提案する。
AnyChangeは、トレーニング不要適応法、バイテンポラルラテントマッチングを通じてSAM(Se segment Any Model)上に構築されます。
また、AnyChangeのゼロショットオブジェクト中心の変更検出機能を有効にするためのポイントクエリ機構を提案する。
論文 参考訳(メタデータ) (2024-02-02T07:17:39Z) - Disentangled Interaction Representation for One-Stage Human-Object
Interaction Detection [70.96299509159981]
ヒューマン・オブジェクト・インタラクション(HOI)検出は、人間中心の画像理解のコアタスクである。
最近のワンステージ手法では、対話予測に有用な画像ワイドキューの収集にトランスフォーマーデコーダを採用している。
従来の2段階の手法は、非絡み合いで説明可能な方法で相互作用特徴を構成する能力から大きな恩恵を受ける。
論文 参考訳(メタデータ) (2023-12-04T08:02:59Z) - MS-Former: Memory-Supported Transformer for Weakly Supervised Change
Detection with Patch-Level Annotations [50.79913333804232]
弱い教師付き変化検出のためのメモリ支援トランス (MS-Former) を提案する。
MS-Former は双方向注意ブロック (BAB) とパッチレベルの監視スキーム (PSS) から構成される。
3つのベンチマークデータセットの実験結果から,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2023-11-16T09:57:29Z) - Explicit Change Relation Learning for Change Detection in VHR Remote
Sensing Images [12.228675703851733]
変更関係の特徴を明示的にマイニングするためのネットワークアーキテクチャNAMEを提案する。
変更検出の変更特徴は、事前変更画像特徴、後変更画像特徴、変更関係特徴に分けられる。
我々のネットワークは、F1、IoU、OAの点で、変更検出のための既存の先進的なネットワークよりも優れています。
論文 参考訳(メタデータ) (2023-11-14T08:47:38Z) - EMS-Net: Efficient Multi-Temporal Self-Attention For Hyperspectral
Change Detection [32.23764287942984]
我々は,高スペクトル変化検出のための高効率多時間自己アテンションネットワーク(EMS-Net)を提案している。
EMS-Netは、類似した非変更機能マップの冗長性を削減し、正確なバイナリ変更マップのための効率的なマルチテンポラリ変更情報を計算する。
2つのハイパースペクトル変化検出データセットに実装された実験は、提案手法の優れた性能と妥当性を示す。
論文 参考訳(メタデータ) (2023-03-24T02:11:22Z) - EqMotion: Equivariant Multi-agent Motion Prediction with Invariant
Interaction Reasoning [83.11657818251447]
不変相互作用推論を用いた効率的な同変運動予測モデルであるEqMotionを提案する。
提案モデルに対して,粒子動力学,分子動力学,人体骨格運動予測,歩行者軌道予測の4つの異なるシナリオで実験を行った。
提案手法は4つのタスクすべてに対して最先端の予測性能を実現し,24.0/30.1/8.6/9.2%改善した。
論文 参考訳(メタデータ) (2023-03-20T05:23:46Z) - Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。
提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
論文 参考訳(メタデータ) (2022-12-28T03:45:56Z) - Multi-Behavior Sequential Recommendation with Temporal Graph Transformer [66.10169268762014]
マルチビヘイビア・インタラクティブなパターンを意識した動的ユーザ・イテム関係学習に取り組む。
本稿では,動的短期および長期のユーザ・イテム対話パターンを共同でキャプチャする,TGT(Temporal Graph Transformer)レコメンデーションフレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-06T15:42:54Z) - Reformulating HOI Detection as Adaptive Set Prediction [25.44630995307787]
我々は適応セット予測問題としてHOI検出を再構成する。
本稿では,並列インスタンスとインタラクションブランチを備えた適応型セットベースワンステージフレームワーク(as-net)を提案する。
この手法は、人間のポーズや言語的特徴を必要とせず、従来の最先端の手法を上回ります。
論文 参考訳(メタデータ) (2021-03-10T10:40:33Z) - Asynchronous Interaction Aggregation for Action Detection [43.34864954534389]
本稿では,異なるインタラクションを活用して動作検出を促進する非同期インタラクション集約ネットワーク(AIA)を提案する。
ひとつはインタラクション集約構造(IA)で、複数のタイプのインタラクションをモデル化し統合するための一様パラダイムを採用し、もうひとつはパフォーマンス向上を実現するための非同期メモリ更新アルゴリズム(AMU)です。
論文 参考訳(メタデータ) (2020-04-16T07:03:20Z) - DASNet: Dual attentive fully convolutional siamese networks for change
detection of high resolution satellite images [17.839181739760676]
研究の目的は、関心の変化情報を識別し、無関係な変更情報を干渉要因としてフィルタリングすることである。
近年、ディープラーニングの台頭により、変化検出のための新しいツールが提供され、目覚ましい結果が得られた。
我々は,高解像度画像における変化検出のための新しい手法,すなわち,二重注意型完全畳み込みシームズネットワーク(DASNet)を提案する。
論文 参考訳(メタデータ) (2020-03-07T16:57:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。