論文の概要: FAF-CD: Frequency-Aware Fusion for Change Detection under Imperfect Multimodal Remote Sensing

• arxiv url: http://arxiv.org/abs/2606.03114v1
• Date: Tue, 02 Jun 2026 03:59:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.744982
• Title: FAF-CD: Frequency-Aware Fusion for Change Detection under Imperfect Multimodal Remote Sensing
• Title（参考訳）: FAF-CD:不完全なマルチモーダルリモートセンシングによる変化検出のための周波数認識融合
• Authors: Yufan Wang, Sokratis Makrogiannis, Chandra Kambhamettu,
• Abstract要約: DINOv3-pretrained ConvNeXt encoder と線形複雑VMamba-based decoder を組み合わせた周波数対応ハイブリッドフレームワーク FAF-CD を提案する。 BRIGHT検証では、一致した異種EO-SAR適応により、NeXt2Former-CDよりも清浄で摂動したtc-mIoU/tc-mAPが改善される。 さらに、NeXt2Former-CDと比較して約24GFLOPのコストを削減し、精度を維持または改善した。
• 参考スコア（独自算出の注目度）: 11.733678383805897
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Remote sensing change detection for real-world monitoring often relies on imperfect heterogeneous observations, where pre- and post-event images may be asynchronous, cross-sensor, or affected by illumination, seasonal, and modality shifts. This setting is especially challenging for EO-SAR disaster mapping, where nuisance variation can resemble structural damage. We propose FAF-CD, a frequency-aware hybrid framework with a DINOv3-pretrained ConvNeXt encoder and a linear-complexity VMamba-based decoder. Its rectification-aware tri-branch fusion module combines deformable spatial alignment with Fourier and Haar-wavelet comparisons, using adaptive gating to aggregate complementary cues across scales. On BRIGHT validation, a matched heterogeneous EO-SAR adaptation improves clean and perturbed tc-mIoU/tc-mAP over NeXt2Former-CD. FAF-CD also generalizes to binary optical CD, achieving 0.924 cF1 on LEVIR-CD and 0.955 cF1 on WHU-CD, and obtains the best average perturbed cIoU/cF1 on both binary datasets among M-CD and NeXt2Former-CD under pseudo-change-aligned stress tests. It further reduces cost by approximately 24 GFLOPs relative to NeXt2Former-CD while maintaining or improving accuracy.
• Abstract（参考訳）: 実世界の監視のためのリモートセンシングによる変化検出は、不完全な異質な観測に依存していることが多い。 ニュアンス変動が構造的損傷に類似しうるEO-SAR災害マッピングでは,この設定は特に困難である。 DINOv3-pretrained ConvNeXt encoder と線形複雑VMamba-based decoder を組み合わせた周波数対応ハイブリッドフレームワーク FAF-CD を提案する。 その整合性を考慮した三分岐融合モジュールは、変形可能な空間アライメントとフーリエとハールウェーブレットの比較を組み合わせる。 BRIGHT検証では、一致した異種EO-SAR適応により、NeXt2Former-CDよりも清浄で摂動したtc-mIoU/tc-mAPが改善される。 FAF-CDはまたバイナリ光学CDに一般化し、LEVIR-CDで0.924 cF1、WHU-CDで0.955 cF1を達成し、M-CDとNeXt2Former-CDの両方のバイナリデータセットで、擬似変化整列ストレステストで最高の平均摂動cIoU/cF1を得る。 さらに、NeXt2Former-CDと比較して約24GFLOPのコストを削減し、精度を維持または改善した。

関連論文リスト

• HA2F: Dual-module Collaboration-Guided Hierarchical Adaptive Aggregation Framework for Remote Sensing Change Detection [17.445747802237836]
  動的階層的特徴キャリブレーションモジュール(DHFCM)と雑音適応的特徴アライメントモジュール(NAFRM)で構成されるHA2Fを提案する。 実験により、LEVI-CD、WHU-CD、SYSU-CDデータセットにおける最先端性能を実現するHA2Fの有効性が検証された。
  論文  参考訳（メタデータ） (2026-01-23T09:21:11Z)
• DiffRegCD: Integrated Registration and Change Detection with Diffusion Features [74.3102451211493]
  DiffRegCDは、単一のモデルで密度の高い登録と変更検出を統一する統合フレームワークである。 空中(LEVIR-CD, DSIFN-CD, WHU-CD, SYSU-CD)と地上(VL-CMU-CD)のデータセットによる実験は、DiffRegCDが最近のベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-11-11T07:32:19Z)
• UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [17.289252835606533]
  不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。 UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。 周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
  論文  参考訳（メタデータ） (2024-06-23T15:03:35Z)
• Toward distortion-aware change detection in realistic scenarios [16.192695430837443]
  そこで本研究では,CDタスクにおける時間的幾何学的歪みに対する再利用可能な自己教師型フレームワークを提案する。 このフレームワークはPretext Representation Pre-training, Bitemporal Image Alignment, Down-stream Decoder Fine-Tuningで構成されている。 シングルステージの事前トレーニングのみで、フレームワークの重要なコンポーネントは、バイテンポラルイメージアライメントの補助として再利用することができる。
  論文  参考訳（メタデータ） (2024-01-10T13:43:06Z)
• Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
  リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。 既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。 本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T17:52:45Z)
• Revisiting Consistency Regularization for Semi-supervised Change Detection in Remote Sensing Images [60.89777029184023]
  教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。 2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
  論文  参考訳（メタデータ） (2022-04-18T17:59:01Z)

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。