論文の概要: FSG-Net: Frequency-Spatial Synergistic Gated Network for High-Resolution Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2509.06482v1
• Date: Mon, 08 Sep 2025 09:46:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.040158
• Title: FSG-Net: Frequency-Spatial Synergistic Gated Network for High-Resolution Remote Sensing Change Detection
• Title（参考訳）: FSG-Net:高分解能リモートセンシング変化検出のための周波数空間シナジスティックゲートネットワーク
• Authors: Zhongxiang Xie, Shuangxi Miao, Yuhan Jiang, Zhewei Zhang, Jing Yao, Xuecao Li, Jianxi Huang, Pedram Ghamisi,
• Abstract要約: 本稿では,周波数-空間シナジスティックGated Network (FSG-Net) を提案する。 FSG-Net は周波数領域で動作し、DAWIM (Disdisrepancy-Aware Wavelet Interaction Module) は擬似変化を適応的に緩和する。 セマンティックギャップを埋めるために、LGFU(Lightweight Gated Fusion Unit)は、高レベルのセマンティクスを活用して、浅い層から重要な詳細を選択的にゲートし、統合する。
• 参考スコア（独自算出の注目度）: 17.275409010650147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change detection from high-resolution remote sensing images lies as a cornerstone of Earth observation applications, yet its efficacy is often compromised by two critical challenges. First, false alarms are prevalent as models misinterpret radiometric variations from temporal shifts (e.g., illumination, season) as genuine changes. Second, a non-negligible semantic gap between deep abstract features and shallow detail-rich features tends to obstruct their effective fusion, culminating in poorly delineated boundaries. To step further in addressing these issues, we propose the Frequency-Spatial Synergistic Gated Network (FSG-Net), a novel paradigm that aims to systematically disentangle semantic changes from nuisance variations. Specifically, FSG-Net first operates in the frequency domain, where a Discrepancy-Aware Wavelet Interaction Module (DAWIM) adaptively mitigates pseudo-changes by discerningly processing different frequency components. Subsequently, the refined features are enhanced in the spatial domain by a Synergistic Temporal-Spatial Attention Module (STSAM), which amplifies the saliency of genuine change regions. To finally bridge the semantic gap, a Lightweight Gated Fusion Unit (LGFU) leverages high-level semantics to selectively gate and integrate crucial details from shallow layers. Comprehensive experiments on the CDD, GZ-CD, and LEVIR-CD benchmarks validate the superiority of FSG-Net, establishing a new state-of-the-art with F1-scores of 94.16%, 89.51%, and 91.27%, respectively. The code will be made available at https://github.com/zxXie-Air/FSG-Net after a possible publication.
• Abstract（参考訳）: 高解像度のリモートセンシング画像からの変化検出は地球観測の基盤となっているが、その効果は2つの重要な課題によってしばしば損なわれる。 第一に、誤報は、時間シフト(例えば、照明、季節)からの放射計の変動を真の変化と誤解釈するモデルとして一般的である。 第二に、深い抽象的特徴と浅い詳細に富んだ特徴の間の非無視的な意味的ギャップは、それらの効果的な融合を阻害する傾向があり、境界線が粗い。 これらの課題にさらに対処するために,周波数-空間シナジスティックGated Network (FSG-Net) を提案する。 具体的には、FSG-Netはまず周波数領域で動作し、DAWIM(Disdisrepancy-Aware Wavelet Interaction Module)は異なる周波数成分を識別処理することで、擬似変化を適応的に緩和する。 その後、改良された特徴をSynergistic Temporal-Spatial Attention Module (STSAM)により空間領域で強化し、真の変化領域の塩分濃度を増幅する。 最終的にセマンティックギャップを埋めるために、軽量ゲーテッドフュージョンユニット(LGFU)は、高度なセマンティクスを活用して、浅い層から重要な詳細を選択的にゲートし、統合する。 CDD、GZ-CD、LEVIR-CDベンチマークに関する総合的な実験はFSG-Netの優位性を検証し、それぞれ94.16%、89.51%、91.27%のF1スコアを持つ新しい最先端技術を確立した。 コードは公開後、https://github.com/zxXie-Air/FSG-Netで公開される。

関連論文リスト

• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  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。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• SWAN: Synergistic Wavelet-Attention Network for Infrared Small Target Detection [8.098063209250684]
  赤外線小目標検出(IRSTD)は、民間および軍事用途において重要である。 近年の手法は局所的な空間パターンを主に捉えた従来の畳み込み処理に重点を置いている。 空間領域と周波数領域の両方からターゲットを知覚する新しいフレームワークであるSynergistic Wavelet-Attention Network (SWAN)を提案する。
  論文  参考訳（メタデータ） (2025-08-02T11:26:58Z)
• ARFC-WAHNet: Adaptive Receptive Field Convolution and Wavelet-Attentive Hierarchical Network for Infrared Small Target Detection [2.643590634429843]
  ARFC-WAHNetは、赤外線小ターゲット検出のための適応型受容野畳み込みおよびウェーブレット減衰階層ネットワークである。 ARFC-WAHNetは、検出精度とロバスト性の両方において、最近の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2025-05-15T09:44:23Z)
• 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)
• 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)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)
• 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。