論文の概要: EoCD: Encoder only Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2602.05882v1
• Date: Thu, 05 Feb 2026 16:58:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:09.064761
• Title: EoCD: Encoder only Remote Sensing Change Detection
• Title（参考訳）: EoCD:エンコーダはリモートセンシングのみの変更検出
• Authors: Mubashir Noman, Mustansar Fiaz, Hiyam Debary, Abdul Hannan, Shah Nawaz, Fahad Shahbaz Khan, Salman Khan,
• Abstract要約: 変更検出タスクの簡易かつ効果的な方法であるエンコーダのみの変更検出(EoCD)を導入する。 提案手法は時間データの早期融合を行い,デコーダをパラメータフリーなマルチスケール機能融合モジュールに置き換える。 EoCDは、変化検出性能と様々なエンコーダアーキテクチャ間の予測速度の最適なバランスを示す。
• 参考スコア（独自算出の注目度）: 49.58758681798801
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Being a cornerstone of temporal analysis, change detection has been playing a pivotal role in modern earth observation. Existing change detection methods rely on the Siamese encoder to individually extract temporal features followed by temporal fusion. Subsequently, these methods design sophisticated decoders to improve the change detection performance without taking into consideration the complexity of the model. These aforementioned issues intensify the overall computational cost as well as the network's complexity which is undesirable. Alternatively, few methods utilize the early fusion scheme to combine the temporal images. These methods prevent the extra overhead of Siamese encoder, however, they also rely on sophisticated decoders for better performance. In addition, these methods demonstrate inferior performance as compared to late fusion based methods. To bridge these gaps, we introduce encoder only change detection (EoCD) that is a simple and effective method for the change detection task. The proposed method performs the early fusion of the temporal data and replaces the decoder with a parameter-free multiscale feature fusion module thereby significantly reducing the overall complexity of the model. EoCD demonstrate the optimal balance between the change detection performance and the prediction speed across a variety of encoder architectures. Additionally, EoCD demonstrate that the performance of the model is predominantly dependent on the encoder network, making the decoder an additional component. Extensive experimentation on four challenging change detection datasets reveals the effectiveness of the proposed method.
• Abstract（参考訳）: 時相分析の基盤として、変化検出は現代の地球観測において重要な役割を担っている。 既存の変化検出方法は、シームズエンコーダに依存して、時間的特徴を個別に抽出し、時間的融合を行う。 その後、これらの手法は、モデルの複雑さを考慮せずに、変更検出性能を向上させるための洗練されたデコーダを設計する。 これらの問題は、全体的な計算コストと、望ましくないネットワークの複雑さを増大させる。 あるいは、初期融合方式を用いて時間画像を組み合わせる方法はほとんどない。 これらの手法はシームズエンコーダの余分なオーバーヘッドを防ぐが、高性能なデコーダにも依存している。 さらに,これらの手法は,後期核融合法に比べて性能が劣ることを示した。 これらのギャップを埋めるために、変更検出タスクの単純かつ効果的な方法であるエンコーダのみの変更検出(EoCD)を導入する。 提案手法は、時間データの早期融合を行い、デコーダをパラメータフリーなマルチスケール機能融合モジュールに置き換えることで、モデル全体の複雑さを大幅に低減する。 EoCDは、変化検出性能と様々なエンコーダアーキテクチャ間の予測速度の最適なバランスを示す。 さらに、EoCDはモデルの性能がエンコーダネットワークに大きく依存していることを示し、デコーダを付加的なコンポーネントにする。 4つの挑戦的変化検出データセットに対する大規模な実験により,提案手法の有効性が明らかとなった。

関連論文リスト

• Exchange Is All You Need for Remote Sensing Change Detection [38.28258647650617]
  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。
  論文  参考訳（メタデータ） (2026-01-12T18:36:51Z)
• Faster Diffusion: Rethinking the Role of the Encoder for Diffusion Model Inference [95.42299246592756]
  本稿では,UNetエンコーダについて検討し,エンコーダの特徴を実証的に分析する。 エンコーダの特徴は最小限に変化するが,デコーダの特徴は時間段階によって大きく異なる。 我々は、テキスト・ツー・ビデオ、パーソナライズド・ジェネレーション、参照誘導ジェネレーションといった他のタスクに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2023-12-15T08:46:43Z)
• 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)
• ASAG: Building Strong One-Decoder-Layer Sparse Detectors via Adaptive Sparse Anchor Generation [50.01244854344167]
  適応スパースアンカージェネレータ(ASAG)の提案により、スパース検出器と密度検出器のパフォーマンスギャップを橋渡しする。 ASAGは、グリッドではなくパッチの動的なアンカーを予測することで、機能競合の問題を軽減する。 提案手法は高密度な手法より優れ,高速かつ高精度なトレードオフを実現する。
  論文  参考訳（メタデータ） (2023-08-18T02:06:49Z)
• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• Integral Migrating Pre-trained Transformer Encoder-decoders for Visual Object Detection [78.2325219839805]
  imTEDは、数発のオブジェクト検出の最先端を最大7.6%改善する。 MS COCOデータセットの実験は、imTEDが一貫してそのデータセットを2.8%上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T15:11:20Z)
• D^2ETR: Decoder-Only DETR with Computationally Efficient Cross-Scale Attention [27.354159713970322]
  我々はD2ETRと呼ばれるデコーダのみの検出器を提案する。 エンコーダがない場合、デコーダはTransformerのバックボーンによって生成された細分化された特徴マップに直接出席する。 D2ETRはCOCOベンチマークの評価において計算複雑性が低く、高い検出精度を示す。
  論文  参考訳（メタデータ） (2022-03-02T04:21:12Z)

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。