論文の概要: Exploring Generalizable Pre-training for Real-world Change Detection via Geometric Estimation
- arxiv url: http://arxiv.org/abs/2504.14306v1
- Date: Sat, 19 Apr 2025 14:05:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 01:32:03.343138
- Title: Exploring Generalizable Pre-training for Real-world Change Detection via Geometric Estimation
- Title（参考訳）: 幾何学的推定による実世界変化検出のための一般化可能な事前学習の探索
- Authors: Yitao Zhao, Sen Lei, Nanqing Liu, Heng-Chao Li, Turgay Celik, Qing Zhu,
- Abstract要約: 我々は「MatchCD」と呼ばれる幾何学的推定を伴う自己超越動機付CDフレームワークを提案する。
提案したMatchCDフレームワークは、ゼロショット機能を利用して、自己教師付きコントラスト表現でエンコーダを最適化する。
フルフレームイメージを小さなパッチに分割する必要がある従来の変更検出とは異なり、MatchCDフレームワークはオリジナルの大規模イメージを直接処理できる。
- 参考スコア（独自算出の注目度）: 15.50183955507315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As an essential procedure in earth observation system, change detection (CD) aims to reveal the spatial-temporal evolution of the observation regions. A key prerequisite for existing change detection algorithms is aligned geo-references between multi-temporal images by fine-grained registration. However, in the majority of real-world scenarios, a prior manual registration is required between the original images, which significantly increases the complexity of the CD workflow. In this paper, we proposed a self-supervision motivated CD framework with geometric estimation, called "MatchCD". Specifically, the proposed MatchCD framework utilizes the zero-shot capability to optimize the encoder with self-supervised contrastive representation, which is reused in the downstream image registration and change detection to simultaneously handle the bi-temporal unalignment and object change issues. Moreover, unlike the conventional change detection requiring segmenting the full-frame image into small patches, our MatchCD framework can directly process the original large-scale image (e.g., 6K*4K resolutions) with promising performance. The performance in multiple complex scenarios with significant geometric distortion demonstrates the effectiveness of our proposed framework.
- Abstract（参考訳）: 地球観測システムにおいて、変化検出(CD)は、観測領域の空間的・時間的進化を明らかにすることを目的としている。
既存の変化検出アルゴリズムの鍵となる前提条件は、微粒な登録により、複数時間画像間のジオレファレンスを整列させることである。
しかし、現実のほとんどのシナリオでは、元の画像間で事前のマニュアル登録が必要であり、CDワークフローの複雑さが著しく増大する。
本稿では「MatchCD」と呼ばれる幾何学的推定を伴う自己超越型CDフレームワークを提案する。
具体的には、MatchCDフレームワークは、ゼロショット機能を利用して、下流画像登録と変更検出で再利用される自己教師付きコントラスト表現でエンコーダを最適化し、両時間的不整合とオブジェクト変更の問題を同時に処理する。
さらに、フルフレーム画像を小さなパッチに分割する必要がある従来の変更検出とは異なり、我々のMatchCDフレームワークは、期待できるパフォーマンスで元の大規模イメージ(例えば6K*4K解像度)を直接処理できる。
幾何歪みが顕著な複数の複雑なシナリオにおける性能は,提案手法の有効性を示す。
関連論文リスト
- Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。
これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。
BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
論文 参考訳（メタデータ） (2025-03-11T11:13:10Z) - Anti-Forgetting Adaptation for Unsupervised Person Re-identification [87.0061997256388]
デュアルレベル・ジョイント・アダプテーションとアンチフォゲッティング・フレームワークを提案する。
ソースドメインと各適用対象ドメインを忘れることなく、モデルを新しいドメインに漸進的に適応させる。
提案手法は、教師なしのReIDモデルのアンチフォッゲッティング、一般化、後方互換性能力を大幅に改善する。
論文 参考訳（メタデータ） (2024-11-22T03:05:06Z) - Mind the Gap Between Prototypes and Images in Cross-domain Finetuning [64.97317635355124]
プロトタイプと画像にそれぞれ異なる変換を適用するために,コントラスト型プロトタイプイメージ適応(CoPA)を提案する。
Meta-Datasetの実験では、CoPAが最先端のパフォーマンスをより効率的に達成できることが示されている。
論文 参考訳（メタデータ） (2024-10-16T11:42:11Z) - ZeroSCD: Zero-Shot Street Scene Change Detection [2.3020018305241337]
Scene Change Detectionは、コンピュータビジョンとロボティクスにおいて難しいタスクである。
従来の変更検出方法は、これらのイメージペアを入力として、変更を見積もるトレーニングモデルに依存しています。
我々は,ゼロショットシーン変化検出フレームワークであるZeroSCDを提案する。
論文 参考訳（メタデータ） (2024-09-23T17:53:44Z) - Toward distortion-aware change detection in realistic scenarios [16.192695430837443]
そこで本研究では,CDタスクにおける時間的幾何学的歪みに対する再利用可能な自己教師型フレームワークを提案する。
このフレームワークはPretext Representation Pre-training, Bitemporal Image Alignment, Down-stream Decoder Fine-Tuningで構成されている。
シングルステージの事前トレーニングのみで、フレームワークの重要なコンポーネントは、バイテンポラルイメージアライメントの補助として再利用することができる。
論文 参考訳（メタデータ） (2024-01-10T13:43:06Z) - UCDFormer: Unsupervised Change Detection Using a Transformer-driven
Image Translation [20.131754484570454]
両時間画像の比較による変化検出(CD)は,リモートセンシングにおいて重要な課題である。
リモートセンシング画像に対する領域シフト設定による変更検出を提案する。
UCDFormerと呼ばれる軽量トランスを用いた新しい教師なしCD方式を提案する。
論文 参考訳（メタデータ） (2023-08-02T13:39:08Z) - Breaking Modality Disparity: Harmonized Representation for Infrared and
Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。
我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。
我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文 参考訳（メタデータ） (2023-04-12T06:49:56Z) - Exploring Resolution and Degradation Clues as Self-supervised Signal for
Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。
本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文 参考訳（メタデータ） (2022-08-05T09:36:13Z) - Revisiting Consistency Regularization for Semi-supervised Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳（メタデータ） (2022-04-18T17:59:01Z) - An End-to-end Supervised Domain Adaptation Framework for Cross-Domain
Change Detection [29.70695339406896]
クロスドメイン変更検出のためのエンドツーエンドのドメイン適応フレームワークを提案する。
SDACDは画像と特徴の両方の観点から協調的な適応と教師あり学習を提示する。
我々のフレームワークは、いくつかの代表的ベースラインモデルを新しいState-Of-The-Artレコードに押し上げる。
論文 参考訳（メタデータ） (2022-04-01T01:35:30Z)
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。