論文の概要: Remote Sensing Image Change Detection Towards Continuous Bitemporal Resolution Differences

• arxiv url: http://arxiv.org/abs/2305.14722v1
• Date: Wed, 24 May 2023 04:57:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 19:40:15.441784
• Title: Remote Sensing Image Change Detection Towards Continuous Bitemporal Resolution Differences
• Title（参考訳）: 連続2時間分解能差を考慮したリモートセンシング画像変化検出
• Authors: Hao Chen, Haotian Zhang, Keyan Chen, Chenyao Zhou, Song Chen, Zhengxia Zhou, Zhenwei Shi
• Abstract要約: 実世界のアプリケーションは、空間解像度の異なるバイテンポラルイメージに基づいて、クロスレゾリューション変化検出(別名、CD)の必要性を高める。 固定解像度差(高分解能(HR)画像と低分解能(LR)画像との分解能比)のサンプルを用いて訓練された現在のクロスレゾリューション法は、一定の比に適合するが、他の分解能差に適応しない。 両時間分解能の違いのサンプルからHR結果の予測を連続的に行うためのスケール不変学習を提案する。
• 参考スコア（独自算出の注目度）: 17.60854072024444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most contemporary supervised Remote Sensing (RS) image Change Detection (CD) approaches are customized for equal-resolution bitemporal images. Real-world applications raise the need for cross-resolution change detection, aka, CD based on bitemporal images with different spatial resolutions. Current cross-resolution methods that are trained with samples of a fixed resolution difference (resolution ratio between the high-resolution (HR) image and the low-resolution (LR) one) may fit a certain ratio but lack adaptation to other resolution differences. Toward continuous cross-resolution CD, we propose scale-invariant learning to enforce the model consistently predicting HR results given synthesized samples of varying bitemporal resolution differences. Concretely, we synthesize blurred versions of the HR image by random downsampled reconstructions to reduce the gap between HR and LR images. We introduce coordinate-based representations to decode per-pixel predictions by feeding the coordinate query and corresponding multi-level embedding features into an MLP that implicitly learns the shape of land cover changes, therefore benefiting recognizing blurred objects in the LR image. Moreover, considering that spatial resolution mainly affects the local textures, we apply local-window self-attention to align bitemporal features during the early stages of the encoder. Extensive experiments on two synthesized and one real-world different-resolution CD datasets verify the effectiveness of the proposed method. Our method significantly outperforms several vanilla CD methods and two cross-resolution CD methods on the three datasets both in in-distribution and out-of-distribution settings. The empirical results suggest that our method could yield relatively consistent HR change predictions regardless of varying resolution difference ratios. Our code will be public.
• Abstract（参考訳）: 現代の監視型リモートセンシング (RS) 画像変化検出 (CD) のアプローチは、等分解能バイテンポラル画像に対してカスタマイズされる。 現実世界のアプリケーションは、空間解像度の異なるバイテンポラル画像に基づくクロスレゾリューション変化検出、別名cdの必要性を高める。 固定解像度差(高分解能(HR)画像と低分解能(LR)画像との分解能比)のサンプルを用いて訓練された現在のクロスレゾリューション法は、一定の比に適合するが、他の分解能差に適応しない。 連続的クロスレゾリューションCDに向けて,両時間分解能差の異なる合成サンプルからHR結果を連続的に予測するモデルを提案する。 具体的には、HR画像とLR画像のギャップを減らすために、ランダムなダウンサンプル再構成により、HR画像のぼやけたバージョンを合成する。 座標クエリと対応する多レベル埋め込み特徴をmlpに供給してピクセル単位の予測をデコードするために座標に基づく表現を導入することにより、lr画像中のぼやけた物体を認識することができる。 さらに,空間分解能が局所的なテクスチャに主に影響を及ぼすことを考慮し,エンコーダの初期段階において,局所風下自己アテンションを用いてバイテンポラルな特徴を整列させる。 2つの合成および1つの実世界の異なる分解能CDデータセットに対する大規模な実験により、提案手法の有効性が検証された。 本手法は,3つのデータセットにおけるバニラcd法と2つのクロスレゾリューションcd法を,分布内と分布外の両方において有意に上回っている。 実験結果は, 分解能差比の違いに関わらず, 比較的一貫したhr変化予測が得られることを示唆する。 私たちのコードは公開されます。

関連論文リスト

• Efficient Test-Time Adaptation for Super-Resolution with Second-Order Degradation and Reconstruction [62.955327005837475]
  画像超解像(SR)は,低分解能(LR)から高分解能(HR)へのマッピングを,一対のHR-LRトレーニング画像を用いて学習することを目的としている。 SRTTAと呼ばれるSRの効率的なテスト時間適応フレームワークを提案し、SRモデルを異なる/未知の劣化型でテストドメインに迅速に適応させることができる。
  論文  参考訳（メタデータ） (2023-10-29T13:58:57Z)
• dual unet:a novel siamese network for change detection with cascade differential fusion [4.651756476458979]
  本稿では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。 従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。 実験により、提案手法は、一般的な季節変化検出データセットにおいて、常に最も高度な手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-12T14:24:09Z)
• Learning Resolution-Adaptive Representations for Cross-Resolution Person Re-Identification [49.57112924976762]
  低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。 実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。 本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
  論文  参考訳（メタデータ） (2022-07-09T03:49:51Z)
• Resolution based Feature Distillation for Cross Resolution Person Re-Identification [17.86505685442293]
  人物の再識別(re-id)は、異なるカメラビューで同一人物の画像を取得することを目的としている。 解像度のミスマッチは、興味のある人とカメラの間の距離が異なるため起こる。 本稿では,複数の解像度の問題を克服するために,分解能に基づく特徴蒸留(RFD)アプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-16T11:07:59Z)
• LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution Homography Estimation [52.63874513999119]
  クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。 既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。 本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-08T02:51:45Z)
• Super-resolution-based Change Detection Network with Stacked Attention Module for Images with Different Resolutions [20.88671966047938]
  環境保護と都市計画において,変化検出は重要な役割を担っている。 従来のサブピクセルに基づく、解像度の異なる画像による変更検出は、重大なエラー蓄積につながる可能性がある。 注目モジュールを積み重ねた超解像型変化検出ネットワーク(SRCDNet)を提案する。
  論文  参考訳（メタデータ） (2021-02-27T11:17:40Z)
• Image Matching with Scale Adjustment [57.18604132027697]
  可変スケールでの関心点の表現と抽出方法を示す。 2つの異なる解像度で2つの画像を比較する方法を提案する。
  論文  参考訳（メタデータ） (2020-12-10T11:03:25Z)
• MuCAN: Multi-Correspondence Aggregation Network for Video Super-Resolution [63.02785017714131]
  ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。 フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。 VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
  論文  参考訳（メタデータ） (2020-07-23T05:41:27Z)
• PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
  PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。 本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-08T16:44:31Z)
• A Robust Imbalanced SAR Image Change Detection Approach Based on Deep Difference Image and PCANet [20.217242547269947]
  深層学習に基づく非平衡多時間合成開口レーダ(SAR)画像に対して,新しいロバストな変化検出手法を提案する。 我々の主な貢献は、差分画像を生成する新しい方法と並列ファジィc-means(FCM)クラスタリング法を開発することである。 実験の結果,提案手法は不均衡なSARデータに対して有効で頑健であり,ほとんどの最先端手法よりも99.52%変化検出精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-03-03T20:05:49Z)

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。