論文の概要: Exchange Is All You Need for Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2601.07805v1
• Date: Mon, 12 Jan 2026 18:36:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.742923
• Title: Exchange Is All You Need for Remote Sensing Change Detection
• Title（参考訳）: リモートセンシングによる変更検出に必要なのはExchangeだけだ
• Authors: Sijun Dong, Siming Fu, Kaiyu Li, Xiangyong Cao, Xiaoliang Meng, Bo Du,
• Abstract要約: SEED(Siamese-Exchange-Decoder)は、パラメータフリーの特徴交換と明示的な相違を置き換えるパラダイムである。 単純さに拘わらず,SEEDが最先端の手法と一致するか,あるいは超越していることを示す。 提案するパラダイムは、変更検出のための堅牢で統一的で解釈可能なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 38.28258647650617
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote sensing change detection fundamentally relies on the effective fusion and discrimination of bi-temporal features. Prevailing paradigms typically utilize Siamese encoders bridged by explicit difference computation modules, such as subtraction or concatenation, to identify changes. In this work, we challenge this complexity with SEED (Siamese Encoder-Exchange-Decoder), a streamlined paradigm that replaces explicit differencing with parameter-free feature exchange. By sharing weights across both Siamese encoders and decoders, SEED effectively operates as a single parameter set model. Theoretically, we formalize feature exchange as an orthogonal permutation operator and prove that, under pixel consistency, this mechanism preserves mutual information and Bayes optimal risk, whereas common arithmetic fusion methods often introduce information loss. Extensive experiments across five benchmarks, including SYSU-CD, LEVIR-CD, PX-CLCD, WaterCD, and CDD, and three backbones, namely SwinT, EfficientNet, and ResNet, demonstrate that SEED matches or surpasses state of the art methods despite its simplicity. Furthermore, we reveal that standard semantic segmentation models can be transformed into competitive change detectors solely by inserting this exchange mechanism, referred to as SEG2CD. The proposed paradigm offers a robust, unified, and interpretable framework for change detection, demonstrating that simple feature exchange is sufficient for high performance information fusion. Code and full training and evaluation protocols will be released at https://github.com/dyzy41/open-rscd.
• Abstract（参考訳）: リモートセンシング変化検出は、両時間的特徴の効果的な融合と識別に大きく依存する。 典型的なパラダイムは、変化を特定するために、減算や連結のような明示的な差分計算モジュールでブリッジされたシームズエンコーダを使用する。 本稿では,パラメータフリーな特徴交換と明示的な相違を置き換えた合理化パラダイムであるSEED(Siamese Encoder-Exchange-Decoder)を用いて,この複雑性に挑戦する。 シームズエンコーダとデコーダの両方で重みを共有することで、SEEDは事実上単一のパラメータセットモデルとして機能する。 理論的には、直交置換演算子として特徴交換を形式化し、画素一貫性の下では、この機構が相互情報とベイズ最適リスクを保ち、一方、一般的な算術融合法は情報損失をしばしば導入することを示した。 SYSU-CD、LEVIR-CD、PX-CLCD、WaterCD、CDDを含む5つのベンチマークと、SwinT、EfficientNet、ResNetという3つのバックボーンによる大規模な実験は、SEEDが単純さにもかかわらず、最先端のメソッドと一致または超えることを示した。 さらに,SEG2CDと呼ばれるこの交換機構を挿入することで,標準的なセマンティックセグメンテーションモデルを競合的変化検出器に変換できることを明らかにする。 提案したパラダイムは、変更検出のための堅牢で統一的で解釈可能なフレームワークを提供し、単純な特徴交換が高性能な情報融合に十分であることを示す。 コードと完全なトレーニングと評価のプロトコルはhttps://github.com/dyzy41/open-rscd.comでリリースされる。

関連論文リスト

• Referring Change Detection in Remote Sensing Imagery [49.841833753558575]
  本稿では、自然言語のプロンプトを利用してリモートセンシング画像の変化の特定のクラスを検出するReferring Change Detection (RCD)を紹介する。 我々は, (I) textbfRCDNet, (II) textbfRCDGen, (II) 拡散型合成データ生成パイプラインからなる2段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-12T16:57:12Z)
• Keys in the Weights: Transformer Authentication Using Model-Bound Latent Representations [0.3805935148497361]
  ZSDN(Zero-Shot Decoder Non-Transferability)として形式化されたトランスフォーマーオートエンコーダにおけるデコーダ結合特性であるモデル境界遅延交換(MoBLE)を導入する。 同一データで訓練されるが種によって異なるアイソ構造モデルを用いたアイデンティティタスクでは、自己復号法は0.91以上の正確な一致と0.98のトークンの精度を達成する。 MoBLEは、航空やサイバー物理システムを含む安全クリティカルな領域にAIを配置するための、軽量でアクセラレータフレンドリなアプローチを提供する。
  論文  参考訳（メタデータ） (2025-11-02T15:29:44Z)
• HSACNet: Hierarchical Scale-Aware Consistency Regularized Semi-Supervised Change Detection [23.845481028378718]
  半教師付き変化検出(SSCD)は,限られたラベル付きデータと豊富なラベル付きデータを用いて,両時間的リモートセンシング画像間の変化を検出することを目的としている。 本稿では,SSCDのための階層型スケール・アウェア・一貫性正規化ネットワークHSACNetを提案する。 HSACNetは,パラメータと計算コストを削減し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-04-18T03:00:52Z)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• Exchanging Dual Encoder-Decoder: A New Strategy for Change Detection with Semantic Guidance and Spatial Localization [10.059696915598392]
  セマンティックガイダンスと空間的ローカライゼーションを用いたバイナリ変更検出のための2つのエンコーダ・デコーダ構造を交換した新しい戦略を提案する。 この戦略に基づいてバイナリ変更検出モデルを構築し、それを6つのデータセット上で18の最先端の変更検出手法と比較する。
  論文  参考訳（メタデータ） (2023-11-19T11:30:43Z)
• Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
  マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。 具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
  論文  参考訳（メタデータ） (2023-05-17T14:30:11Z)
• Modal-Adaptive Gated Recoding Network for RGB-D Salient Object Detection [2.9153096940947796]
  本稿では,2つのモードの情報の有効性を評価するために,GRNet(GRNet)を提案する。 知覚エンコーダを用いてマルチレベル単一モード特徴を抽出する。 無効な情報を抑制し、有効なモーダル特徴を復号ミキサとハイブリッド分岐復号器に転送するために、モーダル適応ゲートユニットを提案する。
  論文  参考訳（メタデータ） (2021-08-13T15:08:21Z)

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。