論文の概要: CCRC: A Change-Aware Captioning and Reasoning Chain for Image Change Captioning and Segmentation

• arxiv url: http://arxiv.org/abs/2606.28724v1
• Date: Sat, 27 Jun 2026 04:07:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.668381
• Title: CCRC: A Change-Aware Captioning and Reasoning Chain for Image Change Captioning and Segmentation
• Title（参考訳）: CCRC:画像変更キャプションとセグメンテーションのための変更認識キャプションと推論チェイン
• Abstract要約: Change-Aware Captioning and Reasoning Chain (CCRC)は、空間分割から意味論的推論を分離する二重鎖フレームワークである。 CCRCは、合成および実世界の変更検出ベンチマークの両方で最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 22.23249458077542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding and localizing subtle changes between paired images is critical for tasks such as surveillance and image editing. However, traditional Image Change Captioning (ICC) methods lack spatial grounding, limiting their precision. We introduce Image Change Captioning and Segmentation (ICCS), a new multimodal task that jointly requires structured change description and pixel-level localization. To address ICCS, we propose the Change-aware Captioning and Reasoning Chain (CCRC), a dual-chain framework that decouples semantic reasoning from spatial segmentation. The first chain, Chain-of-Change-Captioning (CCC), enhances fine-grained change perception via a visual fusion module based on Multi-Head Change-aware Attention inserted between the visual and language components of a Multimodal Large Language Model (MLLM). CCC also determines whether a change is segmentable. If not, it alone generates the caption. Otherwise, the second chain, Chain-of-Change-Segmenting (CCS), is activated, leveraging spatial priors from CCC and refining masks with a Change-aware Token Refiner for accurate boundary localization. We evaluate CCRC on both synthetic and real-world change detection benchmarks with pixel-level supervision. Experiments show CCRC achieves state-of-the-art performance.
• Abstract（参考訳）: ペア画像間の微妙な変化を理解し、ローカライズすることは、監視や画像編集といったタスクには不可欠である。 しかし、従来の画像変化キャプション (ICC) 法では空間的接地が欠如しており、精度が制限されている。 画像変化キャプションとセグメンテーション (ICCS) は, 構造的変化記述と画素レベルのローカライゼーションを共同で要求する新しいマルチモーダルタスクである。 ICCSに対処するために,空間分割から意味論的推論を分離する二重鎖フレームワークであるCCRC(Change-Aware Captioning and Reasoning Chain)を提案する。 第1のチェーンであるChain-of-Change-Captioning (CCC)は、マルチモーダル大言語モデル(MLLM)の視覚的コンポーネントと言語的コンポーネントの間に挿入されたマルチヘッド変化認識に基づく視覚融合モジュールによるきめ細かい変化知覚を強化する。 CCCは変更がセグメンテーション可能かどうかも決定する。 そうでなければ、単独でキャプションを生成します。 さもなければ、第2のチェーンであるChain-of-Change-Segmenting (CCS) が活性化され、CCCの空間的先行と、変更対応のToken Refinerによるマスクの精製を利用して、正確な境界ローカライゼーションを行う。 我々は,画素レベルの監視を伴う合成および実世界の変化検出ベンチマークにおいてCCRCを評価した。 実験は、CCRCが最先端のパフォーマンスを達成することを示す。

関連論文リスト

• SegDem: Segmentation helps Demosaicing [52.515779223891705]
  カラーフィルタ(CFA)を用いたセンサによる不完全色測定からフルカラー画像の再構成 既存のほとんどの方法は、ピクセルレベルの再構成として復号化を定式化している。 SegDemは、デモを行うためのクロスタスクデコーダ表現転送フレームワークである。
  論文  参考訳（メタデータ） (2026-08-08T04:49:20Z)
• 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)
• Leveraging Geometric Priors for Unaligned Scene Change Detection [53.523333385654546]
  Unaligned Scene Change Detectionは、視点アライメントを仮定することなく、異なるタイミングでキャプチャされた画像ペア間のシーン変化を検出することを目的としている。 非整合SCDの中核的課題に対処するために、初めて幾何学的事前を導入する。 視覚基盤モデルの強力な表現とそれらを統合した学習自由フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-14T14:31:08Z)
• Robust Change Captioning in Remote Sensing: SECOND-CC Dataset and MModalCC Framework [1.5943223374606597]
  リモートセンシング変化キャプション(RSICC)は、自然言語におけるバイテンポラル画像間の変化を記述することを目的としている。 SECOND-CCは、高解像度のRGBイメージペア、セマンティックセグメンテーションマップ、および多様な現実世界シナリオを備えた新しいRSICCデータセットである。 MModalCCは、高度な注意機構を使用して意味データと視覚データを統合したマルチモーダルフレームワークである。
  論文  参考訳（メタデータ） (2025-01-17T09:47:27Z)
• Semantic-CD: Remote Sensing Image Semantic Change Detection towards Open-vocabulary Setting [19.663899648983417]
  従来の変化検出手法は、現実的なシナリオにおける意味圏をまたいだ一般化において、しばしば課題に直面している。 本稿では,リモートセンシング画像における意味変化検出に特化して設計されたSemantic-CDという新しい手法を提案する。 CLIPの広範な語彙知識を活用することで,カテゴリ間の一般化能力を高めることができる。
  論文  参考訳（メタデータ） (2025-01-12T13:22:11Z)
• Enhancing Perception of Key Changes in Remote Sensing Image Change Captioning [49.24306593078429]
  KCFI(Key Change Features and Instruction-tuned)によるリモートセンシング画像変換キャプションのための新しいフレームワークを提案する。 KCFIは、バイテンポラルリモートセンシング画像特徴を抽出するViTsエンコーダと、重要な変化領域を識別するキー特徴知覚器と、画素レベルの変化検出デコーダとを含む。 提案手法の有効性を検証するため,LEVIR-CCデータセット上のいくつかの最新の変更キャプション手法との比較を行った。
  論文  参考訳（メタデータ） (2024-09-19T09:33:33Z)
• Semantic-CC: Boosting Remote Sensing Image Change Captioning via Foundational Knowledge and Semantic Guidance [19.663899648983417]
  本稿では,基礎知識と意味指導に基づく新しい変更キャプション(CC)手法を提案する。 提案手法を LEVIR-CC および LEVIR-CD データセット上で検証する。
  論文  参考訳（メタデータ） (2024-07-19T05:07:41Z)
• ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
  変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。 本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T17:47:14Z)
• A Weakly Supervised Convolutional Network for Change Segmentation and Classification [91.3755431537592]
  W-CDNetは、画像レベルのセマンティックラベルでトレーニングできる、弱い教師付き変更検出ネットワークである。 W-CDNetは、2つの異なるタイプのデータセットでトレーニングすることができる。
  論文  参考訳（メタデータ） (2020-11-06T20:20:45Z)
• Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation [93.83369981759996]
  本稿では,自己監督同変注意機構(SEAM)を提案する。 本手法は,完全教師付きセマンティックセグメンテーションにおいて,同値が暗黙の制約であることを示す。 本稿では,ネットワーク学習のための自己スーパービジョンを提供するために,様々な変換画像から予測されたCAMの整合性正則化を提案する。
  論文  参考訳（メタデータ） (2020-04-09T14:57:57Z)

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。