論文の概要: Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2508.05271v1
• Date: Thu, 07 Aug 2025 11:14:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.832338
• Title: Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection
• Title（参考訳）: Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection (特集:マイクロ波)
• Authors: Xiaoyang Zhang, Guodong Fan, Guang-Yong Chen, Zhen Hua, Jinjiang Li, Min Gan, C. L. Philip Chen,
• Abstract要約: リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
• 参考スコア（独自算出の注目度）: 67.84730634802204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change detection in remote sensing imagery plays a vital role in various engineering applications, such as natural disaster monitoring, urban expansion tracking, and infrastructure management. Despite the remarkable progress of deep learning in recent years, most existing methods still rely on spatial-domain modeling, where the limited diversity of feature representations hinders the detection of subtle change regions. We observe that frequency-domain feature modeling particularly in the wavelet domain an amplify fine-grained differences in frequency components, enhancing the perception of edge changes that are challenging to capture in the spatial domain. Thus, we propose a method called Wavelet-Guided Dual-Frequency Encoding (WGDF). Specifically, we first apply Discrete Wavelet Transform (DWT) to decompose the input images into high-frequency and low-frequency components, which are used to model local details and global structures, respectively. In the high-frequency branch, we design a Dual-Frequency Feature Enhancement (DFFE) module to strengthen edge detail representation and introduce a Frequency-Domain Interactive Difference (FDID) module to enhance the modeling of fine-grained changes. In the low-frequency branch, we exploit Transformers to capture global semantic relationships and employ a Progressive Contextual Difference Module (PCDM) to progressively refine change regions, enabling precise structural semantic characterization. Finally, the high- and low-frequency features are synergistically fused to unify local sensitivity with global discriminability. Extensive experiments on multiple remote sensing datasets demonstrate that WGDF significantly alleviates edge ambiguity and achieves superior detection accuracy and robustness compared to state-of-the-art methods. The code will be available at https://github.com/boshizhang123/WGDF.
• Abstract（参考訳）: リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 近年のディープラーニングの顕著な進歩にもかかわらず、既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。 そこで本稿では,Wavelet-Guided Dual-Frequency Encoding (WGDF) という手法を提案する。 具体的には、まず離散ウェーブレット変換(DWT)を用いて、入力された画像を、それぞれ局所的な詳細とグローバルな構造をモデル化するために使用される高周波成分と低周波成分に分解する。 高周波分岐では、エッジディテール表現を強化するためにDual-Frequency Feature Enhancement (DFFE) モジュールを設計し、きめ細かい変化のモデリングを強化するためにFDID ( Frequency-Domain Interactive difference) モジュールを導入する。 低周波分岐では、トランスフォーマーを用いてグローバルな意味関係をキャプチャし、進行的文脈差分モジュール(PCDM)を用いて変化領域を段階的に洗練し、正確な構造的意味的特徴付けを可能にする。 最後に、高周波数特徴と低周波数特徴を相乗的に融合させて、局所的な感度とグローバルな差別性を統一する。 複数のリモートセンシングデータセットに対する大規模な実験により、WGDFは最先端の曖昧さを著しく軽減し、最先端の手法と比較して検出精度と堅牢性を向上することが示された。 コードはhttps://github.com/boshizhang123/WGDFで入手できる。

関連論文リスト

• Efficient Dual-domain Image Dehazing with Haze Prior Perception [17.18810808188725]
  トランスフォーマーベースのモデルは、シングルイメージのデハージングにおいて強力なグローバルモデリング能力を示すが、その高い計算コストはリアルタイム適用性を制限する。 そこで我々はDGFDNet(Dark Channel Guided Frequency-aware Dehazing Network)を提案する。 4つのベンチマークハウズデータセットの実験により、DGFDNetは、より優れた堅牢性とリアルタイム効率で最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-07-15T06:56:56Z)
• FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
  本稿では,潜時拡散モデルにおける周波数制御について検討する。 本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。 FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
  論文  参考訳（メタデータ） (2025-04-02T22:03:11Z)
• Frequency-Spatial Entanglement Learning for Camouflaged Object Detection [34.426297468968485]
  既存の手法では、複雑な設計で空間的特徴の識別能力を最大化することにより、画素類似性の影響を減らそうとしている。 本稿では,周波数領域と空間領域の表現を共同で探索し,周波数空間の絡み合い学習(FSEL)手法を提案する。 我々の実験は、広く使われている3つのデータセットにおける包括的量的および質的比較を通じて、21以上の最先端手法によるFSELの優位性を実証した。
  論文  参考訳（メタデータ） (2024-09-03T07:58:47Z)
• A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
  既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。 本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
  論文  参考訳（メタデータ） (2024-08-31T10:03:19Z)
• Multiple Contexts and Frequencies Aggregation Network forDeepfake Detection [5.65128683992597]
  ディープフェイク検出は、大量で多様なディープフェイク技術の開発において、生成モデルの急速な成長以来、課題に直面している。 近年の進歩は、バックボーン内の一般的な偽造特徴をモデル化するのではなく、空間領域や周波数領域からの特徴の導入に依存している。 2つのコアモジュールからなるMkfaNetという顔偽造検出のための効率的なネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-03T05:34:53Z)
• DDLNet: Boosting Remote Sensing Change Detection with Dual-Domain Learning [5.932234366793244]
  変化センシング(RSCD)は、多時間リモートセンシング画像を分析して、ある領域における関心の変化を特定することを目的としている。 既存のRSCD法は、関心の変化を高めるために空間領域におけるコンテキストモデリングに費やされている。 二重領域学習(周波数領域と空間領域)に基づくRSCDネットワークDNetを提案する。
  論文  参考訳（メタデータ） (2024-06-19T14:54:09Z)
• SFFNet: A Wavelet-Based Spatial and Frequency Domain Fusion Network for Remote Sensing Segmentation [9.22384870426709]
  本稿ではSFFNet(Spatial and Frequency Domain Fusion Network)フレームワークを提案する。 第1段階は空間的手法を用いて特徴を抽出し、十分な空間的詳細と意味情報を持つ特徴を得る。 第2段階は、これらの特徴を空間領域と周波数領域の両方にマッピングする。 SFFNetはmIoUの点で優れた性能を示し、それぞれ84.80%と87.73%に達した。
  論文  参考訳（メタデータ） (2024-05-03T10:47:56Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Unified Frequency-Assisted Transformer Framework for Detecting and Grounding Multi-Modal Manipulation [109.1912721224697]
  本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。 離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。 提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
  論文  参考訳（メタデータ） (2023-09-18T11:06:42Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)

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。