論文の概要: TERRA-CD: Multi-Temporal Framework for Multi-class and Semantic Change Detection

• arxiv url: http://arxiv.org/abs/2605.14651v1
• Date: Thu, 14 May 2026 10:08:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.769379
• Title: TERRA-CD: Multi-Temporal Framework for Multi-class and Semantic Change Detection
• Title（参考訳）: TERRA-CD:マルチクラス・セマンティック・チェンジ検出のためのマルチテンポラル・フレームワーク
• Authors: Omkar Oak, Rukmini Nazre, Rujuta Budke, Suraj Sawant,
• Abstract要約: TERRA-CDは、2019年と2024年の5,221のSentinel-2イメージペアからなるベンチマークデータセットである。 データセットには,4クラスの土地被覆マッピングマスク,3クラスの植生変化マスク,13クラスの意味変化マスクの3つの異なるアノテーションスキームがある。 植生の多クラス変化検出とセマンティック変化検出の両方に対するデータセットの有効性を評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Urban vegetation monitoring plays a vital role in understanding environmental changes, yet comprehensive datasets for this purpose remain limited. To address this gap, we present the Temporal Remote-sensing Repository for Analyzing Change Detection (TERRA-CD), a benchmark dataset comprising 5,221 Sentinel-2 image pairs from 2019 and 2024, covering 232 cities across the USA and Europe. The dataset features three distinct annotation schemes: 4-class land cover mapping masks, 3-class vegetation change masks, and 13-class semantic change masks capturing all possible land cover transitions. Using various deep learning approaches including Siamese networks, STANet variants, Bi-SRNet, Changemask, Post-Classification Comparison, and HRSCD strategies, we evaluated the dataset's effectiveness for both vegetation Multi-class Change Detection as well as Semantic Change Detection. The proposed dataset and methods are available at https://github.com/omkarsoak/TERRA-CD.
• Abstract（参考訳）: 都市植生モニタリングは環境変化を理解する上で重要な役割を担っているが、この目的のために包括的なデータセットは限られている。 このギャップに対処するため、2019年から2024年にかけての5,221のSentinel-2イメージペアからなるベンチマークデータセットであるTERRA-CD(Temporal Remote-Sensing Repository for Analyzing Change Detection)を米国と欧州232都市を対象に紹介する。 このデータセットには3つの異なるアノテーションスキームがある: 4級の土地被覆マッピングマスク、3級の植生変化マスク、および13級の土地被覆遷移をキャプチャする意味変化マスクである。 シームズネットワーク, STANet 変種, Bi-SRNet, Changemask, Post-Classification Comparison, HRSCD 戦略などの深層学習手法を用いて, 植生のマルチクラス変化検出およびセマンティック変化検出におけるデータセットの有効性を評価した。 提案されたデータセットとメソッドはhttps://github.com/omkarsoak/TERRA-CDで公開されている。

関連論文リスト

• Masks Can Talk: Extracting Structured Text Information from Single-Modal Images for Remote Sensing Change Detection [5.090262478249704]
  変更ラベルから直接構造化されたテキスト特徴を取得するフレームワークであるS2Mを提案する。 S2Mは17.80%のSekとF$_scd$の66.14%を達成する。
  論文  参考訳（メタデータ） (2026-05-08T03:16:46Z)
• 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)
• FoBa: A Foreground-Background co-Guided Method and New Benchmark for Remote Sensing Semantic Change Detection [48.06921153684768]
  本稿では,LevirSCDと呼ばれるリモートセマンティックチェンジ検出(SCD)のための新しいベンチマークを提案する。 データセットには16の変更カテゴリと210の特定の変更タイプが含まれており、よりきめ細かいクラス定義がある。 本研究では,フォアグラウンド・バックグラウンド・コグラウンドSCD(FoBa)手法を提案する。 FoBaは、現在のSOTA法と比較して、それぞれ1.48%、3.61%、および2.81%の改善を達成している。
  論文  参考訳（メタデータ） (2025-09-19T09:19:57Z)
• ME-CPT: Multi-Task Enhanced Cross-Temporal Point Transformer for Urban 3D Change Detection [10.15947374827254]
  多時間ALS点雲を利用することで、都市部の意味的変化を捉えることができる。 既存の3D変化検出手法では,マルチクラスの意味情報や変化特徴を効率的に抽出することが困難である。 本稿では,Multi-task Enhanced Cross-temporal Point Transformer (ME-CPT) ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-01-23T13:07:41Z)
• 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)
• Change Detection Between Optical Remote Sensing Imagery and Map Data via Segment Anything Model (SAM) [20.985372561774415]
  光高解像度画像とOpenStreetMap(OSM)データという2つの主要なリモートセンシングデータソース間の教師なしマルチモーダル変化検出について検討する。 我々はSAMのセグメンテーションプロセスを導くための2つの戦略、すなわち'no-prompt'と'box/mask prompt'メソッドを紹介した。 3つのデータセットの実験結果から,提案手法がより競争力のある結果が得られることが示唆された。
  論文  参考訳（メタデータ） (2024-01-17T07:30:52Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)

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。