論文の概要: CSD: Change Semantic Detection with only Semantic Change Masks for Damage Assessment in Conflict Zones

• arxiv url: http://arxiv.org/abs/2511.19035v1
• Date: Mon, 24 Nov 2025 12:16:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.190258
• Title: CSD: Change Semantic Detection with only Semantic Change Masks for Damage Assessment in Conflict Zones
• Title（参考訳）: CSD: 紛争地域における被害評価のための意味的変化マスクのみを用いた意味的変化検出
• Authors: Kai Zhenga, Zhenkai Wu, Fupeng Wei, Miaolan Zhou, Kai Lie, Haitao Guo, Lei Ding, Wei Zhang, Hang-Cheng Dong,
• Abstract要約: 事前学習したDINOv3モデルを導入し、マルチスケールのクロスアテンション差シムネットワーク(MC-DiSNet)を提案する。 DINOv3バックボーンの強力な視覚的表現能力は、双方向のリモートセンシング画像から堅牢でリッチな特徴抽出を可能にする。 従来の意味変化検出(SCD)とは異なり,両時間画像の大規模な意味アノテーションは不要である。
• 参考スコア（独自算出の注目度）: 3.640978477877182
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately and swiftly assessing damage from conflicts is crucial for humanitarian aid and regional stability. In conflict zones, damaged zones often share similar architectural styles, with damage typically covering small areas and exhibiting blurred boundaries. These characteristics lead to limited data, annotation difficulties, and significant recognition challenges, including high intra-class similarity and ambiguous semantic changes. To address these issues, we introduce a pre-trained DINOv3 model and propose a multi-scale cross-attention difference siamese network (MC-DiSNet). The powerful visual representation capability of the DINOv3 backbone enables robust and rich feature extraction from bi-temporal remote sensing images. We also release a new Gaza-change dataset containing high-resolution satellite image pairs from 2023-2024 with pixel-level semantic change annotations. It is worth emphasizing that our annotations only include semantic pixels of changed areas. Unlike conventional semantic change detection (SCD), our approach eliminates the need for large-scale semantic annotations of bi-temporal images, instead focusing directly on the changed regions. We term this new task change semantic detection (CSD). The CSD task represents a direct extension of binary change detection (BCD). Due to the limited spatial extent of semantic regions, it presents greater challenges than traditional SCD tasks. We evaluated our method under the CSD framework on both the Gaza-Change and SECOND datasets. Experimental results demonstrate that our proposed approach effectively addresses the CSD task, and its outstanding performance paves the way for practical applications in rapid damage assessment across conflict zones.
• Abstract（参考訳）: 紛争による損害を正確にかつ迅速に評価することは人道支援と地域安定に不可欠である。 紛争地帯では、損傷ゾーンはしばしば同様の建築様式を共有し、損傷は通常小さな地域をカバーし、ぼやけた境界を示す。 これらの特徴は、高いクラス内類似性や曖昧な意味的変化を含む、限られたデータ、アノテーションの難しさ、重要な認識課題につながります。 これらの問題に対処するために,事前学習したDINOv3モデルを導入し,MC-DiSNet(Multi-scale cross-attention difference siamese Network)を提案する。 DINOv3バックボーンの強力な視覚表現能力は、双方向のリモートセンシング画像から堅牢でリッチな特徴抽出を可能にする。 また,2023年から2024年にかけて,画素レベルの意味変化アノテーションを用いた高解像度衛星画像ペアを含むGaza-changeデータセットを新たにリリースした。 私たちのアノテーションは、変化した領域のセマンティックピクセルのみを含むことを強調する価値がある。 従来の意味変化検出 (SCD) とは異なり,本手法では2時間画像の大規模な意味アノテーションの必要性を排除し,その代わりに変化領域に直接焦点をあてる。 タスク変更セマンティック検出(CSD)と呼ぶ。 CSDタスクはバイナリ変更検出(BCD)の直接拡張を表す。 意味領域の空間的範囲が限られているため、従来のSCDタスクよりも大きな課題が提示される。 我々は,Gaza-ChangeとSECONDの両方のデータセットを用いて,CDDフレームワークによる手法の評価を行った。 実験により,提案手法はCDDタスクに効果的に対処できることが示され,その優れた性能は,衝突帯を横断する高速損傷評価における実践的応用の道を開くものである。

関連論文リスト

• FoBa: A Foreground-Background co-Guided Method and New Benchmark for Remote Sensing Semantic Change Detection [48.06921153684768]
  本稿では,LevirSCDと呼ばれるリモートセマンティックチェンジ検出(SCD)のための新しいベンチマークを提案する。 データセットには16の変更カテゴリと210の特定の変更タイプが含まれており、よりきめ細かいクラス定義がある。 本研究では,フォアグラウンド・バックグラウンド・コグラウンドSCD(FoBa)手法を提案する。 FoBaは、現在のSOTA法と比較して、それぞれ1.48%、3.61%、および2.81%の改善を達成している。
  論文  参考訳（メタデータ） (2025-09-19T09:19:57Z)
• BEVUDA++: Geometric-aware Unsupervised Domain Adaptation for Multi-View 3D Object Detection [56.477525075806966]
  視覚中心のBird's Eye View (BEV) の認識は、自律運転にかなりの可能性を秘めている。 近年の研究では、効率性や精度の向上が優先されているが、ドメインシフトの問題は見過ごされている。 本稿では,この問題を解消するために,革新的な幾何学的学習支援フレームワークであるBEVUDA++を紹介する。
  論文  参考訳（メタデータ） (2025-09-17T16:31:40Z)
• Towards Robust and Realistic Human Pose Estimation via WiFi Signals [85.60557095666934]
  WiFiベースの人間のポーズ推定は、離散的で微妙なWiFi信号を人間の骨格にブリッジする難しいタスクである。 本論文は,本問題を再検討し,(1)ドメイン間ギャップ,(2)ソース・ターゲット領域のポーズ分布の顕著な変化,(2)骨格のポーズが歪んだトポロジーを示す構造的フィデリティギャップ,の2つの重要な問題を明らかにする。 本稿では,タスクをDT-Poseと呼ばれる新しい2段階のフレームワークに書き換えることで,これらのギャップを埋める:ドメイン一貫性表現学習とトポロジ制約ポスデコーディング。
  論文  参考訳（メタデータ） (2025-01-16T09:38:22Z)
• ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
  変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。 本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T17:47:14Z)
• Hard Region Aware Network for Remote Sensing Change Detection [44.269913858088614]
  変化検出(CD)は、都市管理や災害評価など、様々な現実世界の応用に不可欠である。 本稿では,ハード領域マイニングによる高精度な変化マップを提供するHRANetと呼ばれる新しい変化検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-31T02:52:38Z)
• Hierarchical Disentanglement-Alignment Network for Robust SAR Vehicle Recognition [18.38295403066007]
  HDANetは機能障害とアライメントを統合フレームワークに統合する。 提案手法は,MSTARデータセットにおいて,9つの動作条件にまたがる顕著なロバスト性を示す。
  論文  参考訳（メタデータ） (2023-04-07T09:11:29Z)
• BDA-SketRet: Bi-Level Domain Adaptation for Zero-Shot SBIR [52.78253400327191]
  BDA-SketRetは、視覚データペアの空間的特徴と意味的特徴を整合させるために、バイレベルドメイン適応を実行する新しいフレームワークである。 拡張されたSketchy、TU-Berlin、QuickDrawの実験結果は、文献よりも大幅に改善された。
  論文  参考訳（メタデータ） (2022-01-17T18:45:55Z)
• Domain Adaptive Semantic Segmentation with Regional Contrastive Consistency Regularization [19.279884432843822]
  本稿では,領域適応型セマンティックセマンティックセグメンテーションのための局所コントラスト整合正規化(RCCR)と呼ばれる,新しいエンドツーエンドのトレーニング可能なアプローチを提案する。 私たちの中核となる考え方は、異なる画像の同じ位置から抽出された類似の地域的特徴を取り除き、その一方、2つの画像の異なる位置から特徴を分離することです。
  論文  参考訳（メタデータ） (2021-10-11T11:45:00Z)
• Semantics-Guided Contrastive Network for Zero-Shot Object detection [67.61512036994458]
  ゼロショット物体検出(ZSD)はコンピュータビジョンにおける新しい課題である。 ゼロショット検出の領域にコントラスト学習機構をもたらすフレームワークであるContrastZSDを開発した。 本手法は,ZSDタスクと一般化ZSDタスクの両方において,従来の最先端技術よりも優れていた。
  論文  参考訳（メタデータ） (2021-09-04T03:32:15Z)

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。