論文の概要: ChangeFlow -- Latent Rectified Flow for Change Detection in Remote Sensing

• arxiv url: http://arxiv.org/abs/2605.15375v1
• Date: Thu, 14 May 2026 20:04:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.080785
• Title: ChangeFlow -- Latent Rectified Flow for Change Detection in Remote Sensing
• Title（参考訳）: Change Flow -- リモートセンシングにおける変化検出のための潜時整流
• Authors: Blaž Rolih, Matic Fučka, Filip Wolf, Luka Čehovin Zajc,
• Abstract要約: ChangeFlowは、修正フローを通じて潜在空間における変更マスクの合成として、変更検出を再構成する生成フレームワークである。 平均F1は80.4%で、前回のベストメソッドよりも平均1.3ポイント改善されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Remote sensing change detection (RSCD) aims to localise changes between two images of the same geographic region. In practice, change masks often follow region-level annotation conventions rather than purely local appearance differences, making them context-dependent and occasionally ambiguous. Most state-of-the-art methods utilise per-pixel discriminative classification, which produces a single prediction per input and fails to explicitly model the changed region as a coherent whole. A natural alternative is generative formulation, which can model a distribution of plausible masks, enabling sampling to capture ambiguity and encourage global consistency. However, existing generative RSCD approaches typically lag behind strong discriminative baselines due to the high computational cost of pixel-space generation and the complexity of their conditioning mechanisms. To address the limitations of prior discriminative and generative methods, we propose ChangeFlow, a generative framework that reformulates change detection as the synthesis of a change mask in latent space via rectified flow. ChangeFlow is guided by a structured yet lightweight conditioning signal, and its stochastic design naturally supports sampling-based prediction ensembling. Namely, aggregating multiple predicted change masks improves robustness, while sample agreement provides a practical confidence estimation that highlights ambiguous regions. Across four benchmarks, ChangeFlow achieves an average F1 of 80.4\%, improving by 1.3 points on average over the previous best method, while maintaining inference speed comparable to recent strong baselines. Project page: https://blaz-r.github.io/changeflow_cd
• Abstract（参考訳）: リモートセンシング変化検出(RSCD)は、同じ地理的領域の2つの画像間の変化をローカライズすることを目的としている。 実際には、変更マスクは純粋に局所的な外観の違いではなく、地域レベルのアノテーションの慣習に従うことが多く、文脈に依存し、時には曖昧である。 ほとんどの最先端の手法は画素ごとの識別的分類を利用しており、入力毎に単一の予測を発生させ、変化した領域をコヒーレントな全体として明示的にモデル化することができない。 自然な方法は生成的定式化(generative formulation)であり、これは可塑性マスクの分布をモデル化し、サンプリングによってあいまいさを捕捉し、グローバルな一貫性を促進することができる。 しかし、既存の生成型RSCDのアプローチは、ピクセル空間生成の計算コストと条件付け機構の複雑さのため、強い差別的ベースラインの遅れが典型的である。 従来の識別的・生成的手法の限界に対処するため,修正されたフローを介して潜在空間における変化マスクの合成として変化検出を再構成する生成フレームワークであるChangeFlowを提案する。 ChangeFlowは構造化されているが軽量なコンディショニング信号でガイドされており、その確率的設計はサンプリングベースの予測アンサンブルを自然にサポートしている。 すなわち、複数の予測された変更マスクを集約することで堅牢性が向上し、サンプルアグリーメントは曖昧な領域をハイライトする実用的な信頼度推定を提供する。 4つのベンチマークで、ChangeFlowは80.4\%の平均F1を達成し、以前のベストメソッドよりも平均1.3ポイント改善し、最近の強いベースラインに匹敵する推論速度を維持している。 プロジェクトページ:https://blaz-r.github.io/changeflow_cd

関連論文リスト

• ORSIFlow: Saliency-Guided Rectified Flow for Optical Remote Sensing Salient Object Detection [16.437554336020757]
  光リモートセンシング画像塩物検出(ORSI-SOD)は、複雑な背景、低コントラスト、不規則な物体形状、オブジェクトスケールの大きなバリエーションのため、依然として困難である。 本稿では,ORSI-SOD を決定論的潜在フロー生成問題として再定義する ORSIFlow を提案する。 本研究では,大域的意味識別のための有意特徴判別器と,正確な境界修正のための有意特徴検定器を設計する。
  論文  参考訳（メタデータ） (2026-03-30T15:33:26Z)
• 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)
• Simulating Distribution Dynamics: Liquid Temporal Feature Evolution for Single-Domain Generalized Object Detection [58.25418970608328]
  Single-Domain Generalized Object Detection (Single-DGOD)は、あるソースドメインで訓練された検出器を複数の未知のドメインに転送することを目的としている。 シングルDGODの既存の方法は通常、データの多様性を拡大するために離散的なデータ拡張や静的摂動法に依存している。 そこで本研究では,ソース領域から潜伏分布のシミュレーションに至るまでの機能の進化をシミュレートする手法を提案する。
  論文  参考訳（メタデータ） (2025-11-13T03:10:39Z)
• OSCAR: Orthogonal Stochastic Control for Alignment-Respecting Diversity in Flow Matching [14.664226708184676]
  フローベースのテキスト・ツー・イメージモデルは決定論的軌跡に従っており、ユーザーは様々なモードを見つけるために繰り返しサンプルを採取せざるを得ない。 本稿では,フロー自体を多様性に配慮した,トレーニング不要な推論時間制御機構を提案する。
  論文  参考訳（メタデータ） (2025-10-10T07:07:19Z)
• GeneralizeFormer: Layer-Adaptive Model Generation across Test-Time Distribution Shifts [58.95913531746308]
  テスト時間領域の一般化の問題は、モデルが複数のソースドメインで訓練され、トレーニング中に見たことのないターゲットドメインで調整される場合である。 textitGeneralizeFormer と呼ばれる軽量メタ学習変換器を用いて,推論中に複数の層パラメータを生成することを提案する。
  論文  参考訳（メタデータ） (2025-02-15T10:10:49Z)
• PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
  PseudoNeg-MAEは、ポイントクラウドマスマスキングオートエンコーダのグローバルな特徴表現を強化する。 本研究では,ネットワークが識別的表現を保ちながら,よりリッチな変換キューをキャプチャできる新たな損失を提案する。
  論文  参考訳（メタデータ） (2024-09-24T07:57:21Z)
• Semantic Latent Decomposition with Normalizing Flows for Face Editing [43.41509627246366]
  StyleGANの潜伏空間でのナビゲーションは、顔編集に有効であることが示されている。 結果として得られる手法は通常、潜伏空間における異なる属性間の絡み合いによる複雑なナビゲーションの課題に直面する。 本稿では,SDFlowと呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-11T08:59:15Z)
• GFlowOut: Dropout with Generative Flow Networks [76.59535235717631]
  モンテカルロ・ドロップアウトは近似推論の比較的安価な方法として広く利用されている。 最近の研究は、ドロップアウトマスクを潜伏変数と見なすことができ、変動推論で推測できることを示している。 GFlowOutleveragesは、最近提案されたジェネレーティブフローネットワーク(GFlowNets)の確率的フレームワークを使用して、ドロップアウトマスク上の後部分布を学習する。
  論文  参考訳（メタデータ） (2022-10-24T03:00:01Z)
• Robust Unsupervised Small Area Change Detection from SAR Imagery Using Deep Learning [23.203687716051697]
  合成開口レーダ(SAR)画像から小さな領域変化検出のための頑健な教師なし手法を提案する。 差分画像(DI)を生成するマルチスケールスーパーピクセル再構成法を開発した。 二段階中心拘束型ファジィc平均クラスタリングアルゴリズムを提案し、DIの画素を変化・変化・中間クラスに分割する。
  論文  参考訳（メタデータ） (2020-11-22T12:50:08Z)

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。