論文の概要: PhyUnfold-Net: Advancing Remote Sensing Change Detection with Physics-Guided Deep Unfolding
- arxiv url: http://arxiv.org/abs/2603.19566v2
- Date: Tue, 24 Mar 2026 04:47:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 12:42:17.577257
- Title: PhyUnfold-Net: Advancing Remote Sensing Change Detection with Physics-Guided Deep Unfolding
- Title（参考訳）: PhyUnfold-Net:物理誘導深部展開によるリモートセンシング変化検出の改善
- Authors: Zelin Lei, Yaoxing Ren, Jiaming Chang,
- Abstract要約: 両時間変化検出は、照度、季節、大気などの取得不一致に敏感である。
本稿では,変化検出を明示的な分解問題として定式化する物理誘導型深部展開フレームワークであるPhyUnfold-Netを提案する。
4つのベンチマークの実験では、最先端の手法よりも改善され、挑戦的な条件下での利得が示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bi-temporal change detection is highly sensitive to acquisition discrepancies, including illumination, season, and atmosphere, which often cause false alarms. We observe that genuine changes exhibit higher patch-wise singular-value entropy (SVE) than pseudo changes in the feature-difference space. Motivated by this physical prior, we propose PhyUnfold-Net, a physics-guided deep unfolding framework that formulates change detection as an explicit decomposition problem. The proposed Iterative Change Decomposition Module (ICDM) unrolls a multi-step solver to progressively separate mixed discrepancy features into a change component and a nuisance component. To stabilize this process, we introduce a staged Exploration-and-Constraint loss (S-SEC), which encourages component separation in early steps while constraining nuisance magnitude in later steps to avoid degenerate solutions. We further design a Wavelet Spectral Suppression Module (WSSM) to suppress acquisition-induced spectral mismatch before decomposition. Experiments on four benchmarks show improvements over state-of-the-art methods, with gains under challenging conditions.
- Abstract（参考訳）: 両時間変化検出は、照明、季節、大気など、しばしば誤報を引き起こす不一致の獲得に非常に敏感である。
実際の変化は、特徴差空間における擬似変化よりもパッチワイド特異値エントロピー(SVE)が高いことが観察された。
この物理先行に動機づけられたPhyUnfold-Netは、変化検出を明示的な分解問題として定式化する物理誘導深部展開フレームワークである。
提案した反復変化分解モジュール(ICDM)は、多段階分解器をアンロールして、混合不一致機能を変化成分とニュアンス成分に段階的に分離する。
この過程を安定化させるために, 初期段階における成分分離を促進する段階的探索・制約損失 (S-SEC) を導入し, 後の段階におけるニュアンス等級を制約して解の退化を回避した。
我々はさらにウェーブレットスペクトル抑圧モジュール(WSSM)を設計し、分解前の吸収誘起スペクトルミスマッチを抑制する。
4つのベンチマークの実験では、最先端の手法よりも改善され、挑戦的な条件下での利得が示されている。
関連論文リスト
- Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。
本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
論文 参考訳（メタデータ） (2026-02-26T16:58:43Z) - EoCD: Encoder only Remote Sensing Change Detection [49.58758681798801]
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。
論文 参考訳（メタデータ） (2026-02-05T16:58:42Z) - ChangeDINO: DINOv3-Driven Building Change Detection in Optical Remote Sensing Imagery [8.49298841726789]
本稿では,光学的構造変化検出のためのエンド・ツー・エンドのマルチスケールSiameseフレームワークであるChangeDINOを紹介する。
このモデルは、凍結したDINOv3から転送される特徴を持つ軽量のバックボーンストリームを融合させる。
4つの公開ベンチマークの実験によると、ChangeDINOはIoUとF1の最近の最先端メソッドを一貫して上回っている。
論文 参考訳（メタデータ） (2025-11-20T12:55:13Z) - Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。
拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。
LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
論文 参考訳（メタデータ） (2025-11-11T08:40:28Z) - DC-Mamba: Bi-temporal deformable alignment and scale-sparse enhancement for remote sensing change detection [9.305032436286773]
ChangeMamba のバックボーン上に構築された "align-then-enhance" フレームワークである DC-Mamba を紹介します。
1 つの軽量なプラグアンドプレイモジュールを統合する:(1) 意味的特徴レベルで空間的不一致を補正するための幾何学的認識を明示的に導入するbi-Temporal Deformable Alignment (BTDA) と、(2) 複数ソースのキューを用いて、最終分類の前にノイズを抑えながら高信頼度変化信号を選択的に増幅するScale-Sparse Change Amplifier (SSCA) である。
論文 参考訳（メタデータ） (2025-09-19T03:49:23Z) - E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。
私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。
統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
論文 参考訳（メタデータ） (2022-03-07T17:25:02Z) - Binary Change Guided Hyperspectral Multiclass Change Detection [40.225584259198634]
HMCDのための教師なしバイナリチェンジガイドハイパースペクトルマルチクラスチェンジ検出ネットワーク(BCG-Net)を提案する。
BCG-Netでは、新しい部分スキーム統一混合モジュールが多時間スペクトルアンミックスのために設計されている。
従来のルールが数値値に影響を受けやすいという問題に対処するために、革新的なバイナリ変更検出規則が提案されている。
論文 参考訳（メタデータ） (2021-12-08T13:17:24Z) - DASNet: Dual attentive fully convolutional siamese networks for change
detection of high resolution satellite images [17.839181739760676]
研究の目的は、関心の変化情報を識別し、無関係な変更情報を干渉要因としてフィルタリングすることである。
近年、ディープラーニングの台頭により、変化検出のための新しいツールが提供され、目覚ましい結果が得られた。
我々は,高解像度画像における変化検出のための新しい手法,すなわち,二重注意型完全畳み込みシームズネットワーク(DASNet)を提案する。
論文 参考訳（メタデータ） (2020-03-07T16:57:10Z)
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。