論文の概要: Building Change Detection in Earthquake: A Multi-Scale Interaction Network and A Change Detection Dataset

• arxiv url: http://arxiv.org/abs/2606.10329v1
• Date: Tue, 09 Jun 2026 02:24:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.270587
• Title: Building Change Detection in Earthquake: A Multi-Scale Interaction Network and A Change Detection Dataset
• Title（参考訳）: 地震の建物変化検出:マルチスケールインタラクションネットワークと変化検出データセット
• Authors: Yunlong Liu, Zekai Zhang,
• Abstract要約: 地震後の被害評価に変化検出(CD)を適用することができる。 災害直後の即時救済を達成するため、我々はCDデータセット、トルコ地震CDデータセット(TUE-CD)を作成します。 両時間的特徴間の効率的な相互作用を実現するためのマルチスケール特徴相互作用ネットワーク(MSI-Net)を提案する。
• 参考スコア（独自算出の注目度）: 8.816799256409082
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As one of the most destructive natural disasters, earthquakes have struck many countries around the world in recent years, causing serious economic losses. Change detection (CD) can be applied to post-earthquake damage assessment as it can infer destroyed change regions from multi-temporal remote sensing images. Furthermore, the CD with short imaging interval will better satisfy the needs of the emergency rescues after earthquakes. However, the capability of current methods built on deep neural networks is limited because the dataset with short imaging interval is absent. To meet post-disaster immediate relief, we create a CD dataset, Turkey earthquake CD dataset (TUE-CD), for the evaluation of building damage in the short term after an earthquake. Because of the short acquisition interval of the post-event images, the imaging angle is different for different temporal images, which leads to some side-looking problems. To deal with these challenges, we present a multi-scale feature interaction network (MSI-Net) for efficient interaction between bi-temporal features, as well as mitigating the effect of side-looking problems. Specifically, the proposed MSI-Net consists of joint cross-attention (JCA) modules, multi-scale offset calibration (MOC) modules, and feature integration (FeI) modules. The JCA module unifies channel cross-attention and spatial joint attention for sufficient feature interaction. The MOC module further estimates the offsets to align the bi-temporal image with the multi-scale features. Finally, calibrated features and multi-scale features are fused by FeI modules for the prediction of changed areas. Experiments on the WHU-CD, CLCD, and the constructed TUE-CD dataset indicate that the proposed MSI-Net provides better results than considered state-of-the-art CD methods.
• Abstract（参考訳）: 近年、世界各国で地震が発生し、経済に深刻な打撃を与えている。 多時間リモートセンシング画像から破壊領域を推定できるため、地震後の被害評価に変化検出(CD)を適用することができる。 さらに, 画像間隔の短いCDは, 地震後の緊急救助の必要性を満足させる。 しかし、イメージング間隔の短いデータセットが欠如しているため、ディープニューラルネットワーク上に構築されている現在の手法の能力は限られている。 災害直後の緊急救済を達成するため,地震後の建物被害評価のためのCDデータセットであるトルコ地震CDデータセット(TUE-CD)を作成した。 撮影後画像の取得間隔が短いため、異なる時間画像に対して撮像角度が異なるため、いくつかの側面的な問題が発生する。 これらの課題に対処するため,両時間的特徴間の効率的な相互作用を実現するマルチスケール機能相互作用ネットワーク(MSI-Net)を提案する。 具体的には、MSI-Netは、ジョイントクロスアテンション(JCA)モジュール、マルチスケールオフセットキャリブレーション(MOC)モジュール、機能統合(FeI)モジュールで構成されている。 JCAモジュールは、十分な特徴相互作用のためにチャネル横断的注意と空間的共同注意を統一する。 MOCモジュールはさらにオフセットを推定し、バイテンポラルイメージとマルチスケール特徴を一致させる。 最後に、調整された特徴とマルチスケール特徴は、変化領域の予測のためにFeIモジュールによって融合される。 WHU-CD、CLCD、構築されたTUE-CDデータセットの実験は、提案したMSI-Netが最先端のCD手法よりも優れた結果をもたらすことを示している。

関連論文リスト

• 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)
• SRC-Net: Bi-Temporal Spatial Relationship Concerned Network for Change Detection [9.682463974799893]
  リモートセンシング画像における変化検出(CD)は, 環境モニタリング, 都市開発, 災害管理における重要な課題である。 本稿では,CDのための時空間関係ネットワークであるSRC-Netを提案する。
  論文  参考訳（メタデータ） (2024-06-09T06:53:39Z)
• MCSDNet: Mesoscale Convective System Detection Network via Multi-scale Spatiotemporal Information [22.653514040253828]
  メソスケール対流系(MCS)検出のための新しいエンコーダデコーダニューラルネットワークを提案する。 我々が知る限り、マルチスケールの時間情報を用いてMCS領域を検出するのは、これが初めてである。 可視チャネル画像に基づくマルチフレームMCS検出のための最初の公開データセットであるMCSRSIを提案する。
  論文  参考訳（メタデータ） (2024-04-26T06:40:54Z)
• BD-MSA: Body decouple VHR Remote Sensing Image Change Detection method guided by multi-scale feature information aggregation [4.659935767219465]
  リモートセンシング画像変化検出(RSCD)の目的は、同じ場所で撮影された両時間画像の違いを検出することである。 深層学習はRSCDタスクに広く使われており、結果認識の点で重要な結果をもたらしている。
  論文  参考訳（メタデータ） (2024-01-09T02:53:06Z)
• 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。