論文の概要: Seg2Change: Adapting Open-Vocabulary Semantic Segmentation Model for Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2604.11231v1
• Date: Mon, 13 Apr 2026 09:35:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.456231
• Title: Seg2Change: Adapting Open-Vocabulary Semantic Segmentation Model for Remote Sensing Change Detection
• Title（参考訳）: Seg2Change: リモートセンシング変更検出のためのオープン語彙セマンティックセマンティックセマンティックセマンティックモデルの適用
• Authors: You Su, Yonghong Song, Jingqi Chen, Zehan Wen,
• Abstract要約: 既存の変更検出方法は、トレーニングデータセットの事前定義されたクラスに限られる。 オープン語彙セマンティックセグメンテーションモデルに適応して検出タスクを変更するためのアダプタであるSeg2Changeを提案する。 我々のフレームワークは最先端のOVCD性能を実現する。
• 参考スコア（独自算出の注目度）: 5.3514684920696824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change detection is a fundamental task in remote sensing, aiming to quantify the impacts of human activities and ecological dynamics on land-cover changes. Existing change detection methods are limited to predefined classes in training datasets, which constrains their scalability in real-world scenarios. In recent years, numerous advanced open-vocabulary semantic segmentation models have emerged for remote sensing imagery. However, there is still a lack of an effective framework for directly applying these models to open-vocabulary change detection (OVCD), a novel task that integrates vision and language to detect changes across arbitrary categories. To address these challenges, we first construct a category-agnostic change detection dataset, termed CA-CDD. Further, we design a category-agnostic change head to detect the transitions of arbitrary categories and index them to specific classes. Based on them, we propose Seg2Change, an adapter designed to adapt open-vocabulary semantic segmentation models to change detection task. Without bells and whistles, this simple yet effective framework achieves state-of-the-art OVCD performance (+9.52 IoU on WHU-CD and +5.50 mIoU on SECOND). Our code is released at https://github.com/yogurts-sy/Seg2Change.
• Abstract（参考訳）: 変化検出はリモートセンシングにおける基本的な課題であり、人間の活動と生態動態が土地被覆の変化に与える影響を定量化することを目的としている。 既存の変更検出方法は、トレーニングデータセットの事前定義されたクラスに限られており、実際のシナリオでのスケーラビリティを制限している。 近年,リモートセンシング画像に先進的なオープン語彙セマンティックセマンティックセマンティクスモデルが多数出現している。 しかし、これらのモデルをオープン語彙変化検出(OVCD)に直接適用するための効果的なフレームワークがまだ存在しない。 これらの課題に対処するため、まずCA-CDDと呼ばれるカテゴリに依存しない変化検出データセットを構築した。 さらに、任意のカテゴリの遷移を検出し、それらを特定のクラスにインデックスするカテゴリに依存しない変更ヘッダを設計する。 そこで本研究では,オープン語彙セマンティックセグメンテーションモデルに適応して検出タスクを変更するためのアダプタであるSeg2Changeを提案する。 ベルとホイッスルがなければ、このシンプルで効果的な枠組みは最先端のOVCD性能を達成する(WHU-CDでは+9.52 IoU、SECONDでは+5.50 mIoU)。 私たちのコードはhttps://github.com/yogurts-sy/Seg2Change.comでリリースされています。

関連論文リスト

• Make Some Noise: Unsupervised Remote Sensing Change Detection Using Latent Space Perturbations [0.0]
  リモートセンシングにおける教師なし変化検出(UCD)は、トレーニング中にラベル付きデータに頼ることなく、同一領域の2つの画像間の意味変化をローカライズすることを目的としている。 トレーニング中の潜在機能空間において,多様な変更を直接合成する,エンドツーエンドの UCD フレームワークである MaSoN を提案する。 ターゲットデータの特徴統計を用いて動的に推定される変更を生成し、ターゲットドメインと一致した多様なデータ駆動の変動を可能にする。
  論文  参考訳（メタデータ） (2026-02-23T14:27:36Z)
• 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)
• Advancing Weakly-Supervised Change Detection in Satellite Images via Adversarial Class Prompting [49.15470825004932]
  本稿では,この共起雑音問題に対処するAdvCP法を提案する。 私たちのAdvCPは、追加の推論コストを加えることなく、現在のWSCDメソッドにシームレスに統合できます。
  論文  参考訳（メタデータ） (2025-08-24T02:02:16Z)
• Detect Changes like Humans: Incorporating Semantic Priors for Improved Change Detection [52.62459671461816]
  本稿では,視覚基盤モデルからのセマンティックな先入観を取り入れ,変化を検出する能力の向上について検討する。 人間の視覚パラダイムにインスパイアされた新しいデュアルストリーム特徴デコーダは、意味認識特徴と差認識特徴を組み合わせることで変化を区別するために導出される。
  論文  参考訳（メタデータ） (2024-12-22T08:27:15Z)
• Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
  我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。 CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。 QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
  論文  参考訳（メタデータ） (2024-10-31T11:20:13Z)
• Segment Any Change [64.23961453159454]
  本稿では、ゼロショット予測と、見えない変更タイプやデータ分布の一般化をサポートする新しいタイプの変更検出モデルを提案する。 AnyChangeは、トレーニング不要適応法、バイテンポラルラテントマッチングを通じてSAM(Se segment Any Model)上に構築されます。 また、AnyChangeのゼロショットオブジェクト中心の変更検出機能を有効にするためのポイントクエリ機構を提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:17:39Z)
• 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)

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。