論文の概要: Consistency Change Detection Framework for Unsupervised Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2511.08904v1
• Date: Thu, 13 Nov 2025 01:16:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.289945
• Title: Consistency Change Detection Framework for Unsupervised Remote Sensing Change Detection
• Title（参考訳）: 教師なしリモートセンシング変更検出のための一貫性変化検出フレームワーク
• Authors: Yating Liu, Yan Lu,
• Abstract要約: 教師なしリモートセンシング変化検出は、同じ幾何学的領域におけるマルチ時間リモートセンシング画像からの変化を異なる時間で監視し、分析することを目的としている。 従来の教師なし手法は, ジェネレータネットワークによる再構築により, 多時間リモートセンシング画像間のスタイル転送を実現する。 本稿では,この課題に対処する新しい一貫性変化検出フレームワーク(CCDF)を提案する。
• 参考スコア（独自算出の注目度）: 25.281172690282258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised remote sensing change detection aims to monitor and analyze changes from multi-temporal remote sensing images in the same geometric region at different times, without the need for labeled training data. Previous unsupervised methods attempt to achieve style transfer across multi-temporal remote sensing images through reconstruction by a generator network, and then capture the unreconstructable areas as the changed regions. However, it often leads to poor performance due to generator overfitting. In this paper, we propose a novel Consistency Change Detection Framework (CCDF) to address this challenge. Specifically, we introduce a Cycle Consistency (CC) module to reduce the overfitting issues in the generator-based reconstruction. Additionally, we propose a Semantic Consistency (SC) module to enable detail reconstruction. Extensive experiments demonstrate that our method outperforms other state-of-the-art approaches.
• Abstract（参考訳）: 教師なしリモートセンシング変化検出は、ラベル付きトレーニングデータを必要とせずに、同じ幾何学領域におけるマルチ時間リモートセンシング画像からの変化を監視し、分析することを目的としている。 従来の教師なし手法は, ジェネレータネットワークによる再構成により, 多時間リモートセンシング画像間のスタイル転送を実現し, 変更領域として再構成不能領域をキャプチャする。 しかし、ジェネレータの過度な適合により、しばしば性能が低下する。 本稿では,この課題に対処する新しい一貫性変化検出フレームワーク(CCDF)を提案する。 具体的には、ジェネレータをベースとした再構築において過度に適合する問題を減らすために、CC(Cycle Consistency)モジュールを導入する。 また,セマンティック・コンシステンシー(SC)モジュールを提案する。 大規模な実験により,本手法が他の最先端手法よりも優れていることが示された。

関連論文リスト

• Leveraging Geometric Priors for Unaligned Scene Change Detection [53.523333385654546]
  Unaligned Scene Change Detectionは、視点アライメントを仮定することなく、異なるタイミングでキャプチャされた画像ペア間のシーン変化を検出することを目的としている。 非整合SCDの中核的課題に対処するために、初めて幾何学的事前を導入する。 視覚基盤モデルの強力な表現とそれらを統合した学習自由フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-14T14:31:08Z)
• Context Enhancement with Reconstruction as Sequence for Unified Unsupervised Anomaly Detection [68.74469657656822]
  非教師付き異常検出(AD)は、通常のサンプルのみを用いて堅牢な検出モデルを訓練することを目的としている。 最近の研究は、すべてのクラスに対して1つのモデルのみをトレーニングする、統一された教師なしAD設定に焦点を当てている。 本稿では,特徴再構成時の文脈対応性を高める新しいRAS法を提案する。
  論文  参考訳（メタデータ） (2024-09-10T07:37:58Z)
• Hierarchical Attention Diffusion Networks with Object Priors for Video Change Detection [0.0]
  本稿では,インスタンスレベルのマスキング,デノナイズ拡散モデル内のマルチスケールアテンション,ピクセル単位のセマンティック分類を組み合わせた一元的変更検出パイプラインを提案する。 従来の違い、シームズCNN、GANベースの検出器をF1とIoUで10-25ポイント上回っている。
  論文  参考訳（メタデータ） (2024-08-20T07:54:08Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• CD-GAN: a robust fusion-based generative adversarial network for unsupervised remote sensing change detection with heterogeneous sensors [15.284275261487114]
  本稿では、異種光センサが取得した画像を対象とした、教師なしの変更検出手法を提案する。 これは、変更検出タスクを堅牢な融合フレームワークに定式化する最近の進歩に乗じている。 最先端の変更検出手法との比較により,提案手法の有効性と有効性を示す。
  論文  参考訳（メタデータ） (2022-03-02T08:58:06Z)
• Fully Convolutional Change Detection Framework with Generative Adversarial Network for Unsupervised, Weakly Supervised and Regional Supervised Change Detection [44.05317423742678]
  生成的対向ネットワークを用いた完全畳み込み変化検出フレームワークを提案する。 基本Unetセグメンタを使用して変更検出マップを取得する。 多時間画像間のスペクトル及び空間的変動をモデル化するために画像対画像生成装置が実装される。 弱小かつ局所的に監督された変化検出タスクにおける意味変化をモデル化するために,変化・変化の識別器を提案する。
  論文  参考訳（メタデータ） (2022-01-16T12:10:16Z)
• Local Relation Learning for Face Forgery Detection [73.73130683091154]
  局所的関係学習による顔の偽造検出の新たな視点を提案する。 具体的には,局所的な特徴間の類似度を測定するMPSM(Multi-scale Patch similarity Module)を提案する。 また、より包括的な局所特徴表現のために、RGBおよび周波数領域の情報を融合するRGB-Frequency Attention Module (RFAM)を提案する。
  論文  参考訳（メタデータ） (2021-05-06T10:44:32Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• Self-supervised Multisensor Change Detection [14.191073951237772]
  両時間衛星画像における自己教師付き変化検出の文脈におけるマルチセンサ分析を再考する。 近年の自己教師あり学習手法の進歩は、その一部が少数の画像で機能することさえ示している。 そこで本研究では,非ラベル対象の二時間画像のみを用いたマルチセンサ変化検出手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:31:10Z)

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。