論文の概要: A Dual-Branch Framework for Semantic Change Detection with Boundary and Temporal Awareness

• arxiv url: http://arxiv.org/abs/2602.11466v1
• Date: Thu, 12 Feb 2026 00:54:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.592997
• Title: A Dual-Branch Framework for Semantic Change Detection with Boundary and Temporal Awareness
• Title（参考訳）: 境界認識と時間認識による意味的変化検出のためのデュアルブランチフレームワーク
• Authors: Yun-Cheng Li, Sen Lei, Heng-Chao Li, Ke Li,
• Abstract要約: ANetと呼ばれる境界と時間認識による意味的変化検出のためのデュアルブランチフレームワークを提案する。 ANetはグローバルなセマンティクス、局所的な詳細、時間的推論、境界認識を統合し、最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 8.202209362704494
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic Change Detection (SCD) aims to detect and categorize land-cover changes from bi-temporal remote sensing images. Existing methods often suffer from blurred boundaries and inadequate temporal modeling, limiting segmentation accuracy. To address these issues, we propose a Dual-Branch Framework for Semantic Change Detection with Boundary and Temporal Awareness, termed DBTANet. Specifically, we utilize a dual-branch Siamese encoder where a frozen SAM branch captures global semantic context and boundary priors, while a ResNet34 branch provides local spatial details, ensuring complementary feature representations. On this basis, we design a Bidirectional Temporal Awareness Module (BTAM) to aggregate multi-scale features and capture temporal dependencies in a symmetric manner. Furthermore, a Gaussian-smoothed Projection Module (GSPM) refines shallow SAM features, suppressing noise while enhancing edge information for boundary-aware constraints. Extensive experiments on two public benchmarks demonstrate that DBTANet effectively integrates global semantics, local details, temporal reasoning, and boundary awareness, achieving state-of-the-art performance.
• Abstract（参考訳）: 意味的変化検出(SCD)は,両時間リモートセンシング画像から土地被覆変化を検出し,分類することを目的としている。 既存の手法は境界がぼやけたり、時間的モデリングが不十分であったり、セグメンテーションの精度が制限されたりすることが多い。 これらの問題に対処するため,DBTANetと呼ばれる境界・時間認識を用いた意味的変化検出のためのDual-Branch Frameworkを提案する。 具体的には,凍結したSAMブランチがグローバルなセマンティックコンテキストと境界境界をキャプチャするデュアルブランチのSiameseエンコーダを使用し,ResNet34ブランチは局所的な空間的詳細を提供し,補完的な特徴表現を保証する。 そこで本研究では,双方向時間認識モジュール (BTAM) を設計し,マルチスケールな特徴を集約し,時間的依存を対称的に捉える。 さらに,Gaussian-smoothed Projection Module (GSPM) は浅いSAM特性を改良し,境界制約に対するエッジ情報を高めつつノイズを抑制する。 2つの公開ベンチマークに関する大規模な実験は、DBTANetがグローバルセマンティクス、局所的詳細、時間的推論、境界認識を効果的に統合し、最先端のパフォーマンスを達成することを実証している。

関連論文リスト

• Time2General: Learning Spatiotemporal Invariant Representations for Domain-Generalization Video Semantic Segmentation [9.929390581043334]
  ドメイン一般化ビデオセマンティック(DGVSS)は、単一のラベル付き駆動ドメインでトレーニングされる。 Time2Generalは、以前のDGVSSとVSSベースラインよりも、クロスドメインの精度と時間的安定性を大幅に改善する。
  論文  参考訳（メタデータ） (2026-02-10T10:55:25Z)
• TaCo: Capturing Spatio-Temporal Semantic Consistency in Remote Sensing Change Detection [54.22717266034045]
  Ta-Coは時間的意味遷移のための一貫したセマンティックネットワークである。 我々は,Ta-Coがリモートセンシング検出タスクにおいて一貫したSOTA性能を実現することを示す。 この設計は推論中に余分な計算オーバーヘッドを伴わずにかなりの利得を得ることができる。
  論文  参考訳（メタデータ） (2025-11-25T13:44:29Z)
• MambaTAD: When State-Space Models Meet Long-Range Temporal Action Detection [94.12444452690329]
  本稿では,長距離モデリングとグローバル機能検出機能を導入した新しい状態空間TADモデルであるMambaTADを提案する。 MambaTADは、複数の公開ベンチマークで一貫して優れたTAD性能を達成する。
  論文  参考訳（メタデータ） (2025-11-22T06:04:29Z)
• Context-aware Domain Adaptation for Time Series Anomaly Detection [69.3488037353497]
  時系列異常検出は、幅広い現実世界の応用において難しい課題である。 近年,類似分野の知識を活用するため,時系列領域適応への取り組みが進められている。 本研究では,コンテキストサンプリングと異常検出を併用した共同学習手法を提案する。
  論文  参考訳（メタデータ） (2023-04-15T02:28:58Z)
• Local-Global Temporal Difference Learning for Satellite Video Super-Resolution [53.03380679343968]
  本稿では,時間的差分を効果的かつ効果的な時間的補償に利用することを提案する。 フレーム内における局所的・大域的時間的情報を完全に活用するために,短期・長期的時間的相違を体系的にモデル化した。 5つの主流ビデオ衛星に対して行われた厳密な客観的および主観的評価は、我々の手法が最先端のアプローチに対して好適に機能することを実証している。
  論文  参考訳（メタデータ） (2023-04-10T07:04:40Z)
• Boundary-semantic collaborative guidance network with dual-stream feedback mechanism for salient object detection in optical remote sensing imagery [22.21644705244091]
  二重ストリームフィードバック機構を備えた境界意味協調誘導ネットワーク(BSCGNet)を提案する。 BSCGNetは、近年提案されている17の最先端(SOTA)アプローチよりも優れた、挑戦的なシナリオにおいて、明確なアドバンテージを示している。
  論文  参考訳（メタデータ） (2023-03-06T03:36:06Z)
• Temporal Context Aggregation Network for Temporal Action Proposal Refinement [93.03730692520999]
  時間的行動提案生成はビデオ理解分野において難しいが重要な課題である。 現在の方法はまだ不正確な時間境界と検索に使用される劣った自信に苦しんでいます。 TCANet は、「ローカルおよびグローバル」な時間的コンテキストアグリゲーションを通じて、高品質のアクション提案を生成するために提案します。
  論文  参考訳（メタデータ） (2021-03-24T12:34:49Z)

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。