論文の概要: Multi-Modal Building Change Detection for Large-Scale Small Changes: Benchmark and Baseline

• arxiv url: http://arxiv.org/abs/2603.19077v1
• Date: Thu, 19 Mar 2026 16:05:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.250191
• Title: Multi-Modal Building Change Detection for Large-Scale Small Changes: Benchmark and Baseline
• Title（参考訳）: 大規模小変更のためのマルチモーダル建築変更検出:ベンチマークとベースライン
• Authors: Ye Wang, Wei Lu, Zhihui You, Keyan Chen, Tongfei Liu, Kaiyu Li, Hongruixuan Chen, Qingling Shu, Sibao Chen,
• Abstract要約: 光リモートセンシング画像における変化検出は, 照明変動, 季節変化, 地表面被覆材料の変動の影響を受けやすい。 本稿では,RGB-NIRビルディング変更検出ベンチマークデータセットであるLSMD(Large-scale Small-change Multi-modal dataset)を紹介する。 さらに,マルチモーダルスペクトル補間ネットワーク (MSCNet) を提案し,効率的なクロスモーダル特徴融合を実現する。
• 参考スコア（独自算出の注目度）: 16.08630411584202
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change detection in optical remote sensing imagery is susceptible to illumination fluctuations, seasonal changes, and variations in surface land-cover materials. Relying solely on RGB imagery often produces pseudo-changes and leads to semantic ambiguity in features. Incorporating near-infrared (NIR) information provides heterogeneous physical cues that are complementary to visible light, thereby enhancing the discriminability of building materials and tiny structures while improving detection accuracy. However, existing multi-modal datasets generally lack high-resolution and accurately registered bi-temporal imagery, and current methods often fail to fully exploit the inherent heterogeneity between these modalities. To address these issues, we introduce the Large-scale Small-change Multi-modal Dataset (LSMD), a bi-temporal RGB-NIR building change detection benchmark dataset targeting small changes in realistic scenarios, providing a rigorous testing platform for evaluating multi-modal change detection methods in complex environments. Based on LSMD, we further propose the Multi-modal Spectral Complementarity Network (MSCNet) to achieve effective cross-modal feature fusion. MSCNet comprises three key components: the Neighborhood Context Enhancement Module (NCEM) to strengthen local spatial details, the Cross-modal Alignment and Interaction Module (CAIM) to enable deep interaction between RGB and NIR features, and the Saliency-aware Multisource Refinement Module (SMRM) to progressively refine fused features. Extensive experiments demonstrate that MSCNet effectively leverages multi-modal information and consistently outperforms existing methods under multiple input configurations, validating its efficacy for fine-grained building change detection. The source code will be made publicly available at: https://github.com/AeroVILab-AHU/LSMD
• Abstract（参考訳）: 光リモートセンシング画像における変化検出は, 照明変動, 季節変化, 地表面被覆材料の変動の影響を受けやすい。 RGB画像のみに頼ると、しばしば擬似変化が生じ、特徴のセマンティックな曖昧さにつながる。 近赤外(NIR)情報を組み込むことで、可視光と相補的な異質な物理的手がかりが得られ、これにより、検出精度を向上しつつ、建築材料や小さな構造物の識別性を高めることができる。 しかし、既存のマルチモーダルデータセットは一般的に高解像度で正確に登録されたバイテンポラルなイメージを欠いているため、現在の手法ではこれらのモダリティ間の固有の不均一性を十分に活用できないことが多い。 これらの課題に対処するため、我々は、複雑な環境下でのマルチモーダル変化検出手法を評価するための厳密なテストプラットフォームを提供するために、現実的なシナリオの小さな変更をターゲットとした、双方向のRGB-NIRビルディング変更検出ベンチマークデータセットであるLarge-scale Small-change Multi-modal Dataset (LSMD)を導入する。 LSMDに基づくマルチモーダルスペクトル補間ネットワーク(MSCNet)を提案する。 MSCNetは3つの主要なコンポーネントで構成されており、近隣コンテキスト拡張モジュール(NCEM)は局所的な空間的詳細を強化する、クロスモーダルアライメント・アンド・インタラクション・モジュール(CAIM)はRGBとNIRの深い相互作用を可能にする、Saliency-aware Multisource Refinement Module(SMRM)は融合した特徴を徐々に洗練する。 大規模な実験により、MSCNetはマルチモーダル情報を効果的に活用し、既存のメソッドを複数の入力構成で一貫した性能で上回ることを示した。 ソースコードは、https://github.com/AeroVILab-AHU/LSMDで公開されます。

関連論文リスト

• M2I2HA: Multi-modal Object Detection Based on Intra- and Inter-Modal Hypergraph Attention [5.485819352754784]
  本稿では,M2I2HAと呼ばれるハイパーグラフ理論に基づくマルチモーダル知覚ネットワークを提案する。 我々のアーキテクチャにはハイパーグラフ内拡張モジュールが含まれており、各モダリティ内の大域的な多対多の高次関係をキャプチャする。 Inter-Hypergraph Fusionモジュールは、データソース間のコンフィグレーションと空間ギャップをブリッジすることで、クロスモーダル機能を調整、拡張、フューズする。
  論文  参考訳（メタデータ） (2026-01-21T08:55:07Z)
• MO R-CNN: Multispectral Oriented R-CNN for Object Detection in Remote Sensing Image [16.689111713505486]
  異種特徴抽出ネットワーク(HFEN)、単一モダリティ監視(SMS)、条件ベースマルチモーダルラベル融合(CMLF)を特徴とするマルチスペクトル指向検出のための軽量フレームワークを提案する。 DroneVehicle、VEDAI、OGSODデータセットの実験は、我々の手法の優位性を証明している。
  論文  参考訳（メタデータ） (2025-09-21T07:38:54Z)
• Graph-Based Uncertainty Modeling and Multimodal Fusion for Salient Object Detection [12.743278093269325]
  動的不確実性伝播とマルチモーダル協調推論ネットワーク(DUP-MCRNet)を提案する。 DUGCは空間意味距離に基づいて構築されたスパースグラフを通じて層間の不確実性を伝播するように設計されている。 MCFは学習可能なモダリティゲーティングウェイトを使用して、RGB、深さ、エッジの特徴の注意マップを重み付けする。
  論文  参考訳（メタデータ） (2025-08-28T04:31:48Z)
• MSCA-Net:Multi-Scale Context Aggregation Network for Infrared Small Target Detection [0.1759252234439348]
  本稿では,3つのキーコンポーネントを統合したMSCA-Netというネットワークアーキテクチャを提案する。 MSEDAは、異なるスケールにわたる情報を適応的に集約するために、マルチスケールのフュージョンアテンション機構を使用している。 PCBAMは相関行列に基づく戦略によりグローバル特徴と局所特徴の相関を捉える。 CABは、それらに重みを割り当て、低レベル情報と高レベル情報を統合することで、重要な特徴の表現を強化する。
  論文  参考訳（メタデータ） (2025-03-21T14:42:31Z)
• DAMSDet: Dynamic Adaptive Multispectral Detection Transformer with Competitive Query Selection and Adaptive Feature Fusion [82.2425759608975]
  赤外可視物体検出は、赤外画像と可視画像の相補的情報を融合することにより、フルデイ物体検出の堅牢化を目指している。 本稿では,この2つの課題に対処する動的適応型マルチスペクトル検出変換器(DAMSDet)を提案する。 4つの公開データセットの実験は、他の最先端の手法と比較して大幅に改善されている。
  論文  参考訳（メタデータ） (2024-03-01T07:03:27Z)
• Point-aware Interaction and CNN-induced Refinement Network for RGB-D Salient Object Detection [95.84616822805664]
  我々は,CNNによるトランスフォーマーアーキテクチャを導入し,ポイント・アウェア・インタラクションとCNNによるリファインメントを備えた新しいRGB-D SODネットワークを提案する。 トランスフォーマーがもたらすブロック効果とディテール破壊問題を自然に軽減するために,コンテンツリファインメントとサプリメントのためのCNNRユニットを設計する。
  論文  参考訳（メタデータ） (2023-08-17T11:57:49Z)
• Dynamic Enhancement Network for Partial Multi-modality Person Re-identification [52.70235136651996]
  複数のモーダルの表現能力を維持しつつ、任意のモダリティを欠くことができる新しい動的拡張ネットワーク(DENet)を設計する。 欠落状態は変更可能であるため、動的拡張モジュールを設計し、欠落状態に応じて動的にモダリティ特性を適応的に向上する。
  論文  参考訳（メタデータ） (2023-05-25T06:22:01Z)
• Weakly Aligned Feature Fusion for Multimodal Object Detection [52.15436349488198]
  マルチモーダルデータはしばしば位置ずれの問題に悩まされます。つまり、イメージペアは厳密に一致していません。 この問題により、マルチモーダルな特徴を融合させることが難しくなり、畳み込みニューラルネットワーク(CNN)のトレーニングが難解になる。 本稿では、位置ずれ問題に対処するために、アライメント領域CNN(AR-CNN)と呼ばれる汎用マルチモーダル検出器を提案する。
  論文  参考訳（メタデータ） (2022-04-21T02:35:23Z)
• Transformer-based Network for RGB-D Saliency Detection [82.6665619584628]
  RGB-Dサリエンシ検出の鍵は、2つのモードにわたる複数のスケールで情報を完全なマイニングとヒューズすることである。 コンバータは機能融合と機能拡張の両面において高い有効性を示す一様操作であることを示す。 提案するネットワークは,最先端のRGB-D値検出手法に対して良好に動作する。
  論文  参考訳（メタデータ） (2021-12-01T15:53:58Z)
• Cross-Modality Fusion Transformer for Multispectral Object Detection [0.0]
  マルチスペクトル画像ペアは、組み合わせた情報を提供し、オブジェクト検出アプリケーションがより信頼性が高く、堅牢になる。 本論文では,CFT (Cross-Modality Fusion Transformer) という,単純かつ効果的なクロスモーダル機能融合手法を提案する。
  論文  参考訳（メタデータ） (2021-10-30T15:34:12Z)

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。