論文の概要: FM-ChangeNet: Learning Change through Pathwise Feature Transport
- arxiv url: http://arxiv.org/abs/2607.04750v1
- Date: Mon, 06 Jul 2026 07:42:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.072987
- Title: FM-ChangeNet: Learning Change through Pathwise Feature Transport
- Title（参考訳）: FM-ChangeNet:パスワイズ・フィーチャートランスポートによる学習変化
- Abstract要約: FM-ChangeNetは、変更検出のためのパスワイズ管理フレームワークである。
中間潜時状態を構築し,時間条件付速度場を学習する。
リモートセンシングベンチマークの実験では、提案するフレームワークがより構造化され、堅牢な変更表現を生成することが示されている。
- 参考スコア（独自算出の注目度）: 0.28675177318965045
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present FM-ChangeNet, a pathwise-supervised framework for change detection that reformulates bi-temporal reasoning as continuous transport in feature space rather than static endpoint comparison. Given encoded pre and post-temporal representations, we construct intermediate latent states and learn a time-conditioned velocity field $\hat{v}_θ(z_t,t)$ along the transformation trajectory. This pathwise formulation constrains the predictor over a continuum of intermediate states, providing a denser and less ambiguous supervision signal than conventional endpoint-only segmentation and enabling the model to capture temporal evolution explicitly. The learned velocity field is not only a transport mechanism but also an interpretable representation of change: its magnitude serves as a spatially localized change cue that helps distinguish true structural variation from nuisance effects such as illumination shifts and spatial misalignment. We develop a hierarchical multi-scale architecture with cross-temporal alignment, time-conditioned coarse-to-fine flow decoding, and a unified objective that couples flow supervision, trajectory consistency, spatial regularization, and segmentation loss. Experiments on remote sensing benchmarks show that the proposed framework produces more structured and robust change representations while achieving state-of-the-art performance.
- Abstract（参考訳）: FM-ChangeNetは、静的な終端比較ではなく、特徴空間における連続的な輸送としてバイテンポラル推論を再構成する変更検出のためのパスワイズ管理フレームワークである。
符号化前および後時表現が与えられた場合、中間潜時状態を構築し、変換軌道に沿って時間条件付速度場 $\hat{v}_θ(z_t,t)$ を学ぶ。
この経路方向の定式化は、中間状態の連続体に予測因子を制約し、従来の終端のみのセグメンテーションよりも密度が高くあいまいな監視信号を提供し、モデルが時間的進化を明示的に捉えることを可能にする。
学習速度場は、輸送機構だけでなく、変化の解釈可能な表現でもある:その大きさは、空間的局所的な変化キューとして機能し、照明シフトや空間的ミスアライメントのようなニュアンス効果と真の構造変化を区別するのに役立つ。
我々は,時間的アライメント,時間的条件付き粗大なフローデコーディング,フローの監視,軌道の整合性,空間正規化,セグメンテーション損失を結合する統一的な目的を持った階層型マルチスケールアーキテクチャを開発する。
リモートセンシングベンチマーク実験により、提案フレームワークは、最先端の性能を達成しつつ、より構造化され、堅牢な変更表現を生成することが示された。
関連論文リスト
- See the Change, Keep the Flow: Unsupervised Action Segmentation via Spectral-Temporal Representation Learning [28.808122183182576]
SpecT-OTは、不均衡な最適輸送擬似ラベルの概念に基づいて構築されたスペクトル時間表現学習フレームワークである。
我々は、SpecT-OTが、BreakfastとDesktop Assemblyのベースラインで4.1ポイントのMoFと7.4ポイントのF1を含む15のメトリクスのうち13のベストな結果を達成することを示した。
論文 参考訳（メタデータ） (2026-08-30T07:04:28Z) - L-Drive: Beyond a Single Mapping-Latent Context Drives Time Series Forecasting [6.726418089422619]
変更を意識した予測フレームワークであるL-Driveを提案する。
よりタイムリーな変更手順を提供し、変更セグメントへの適応を改善する。
実験はL-Driveの有効性を検証し、予測精度と計算効率のトレードオフをより良く示す。
論文 参考訳（メタデータ） (2026-05-18T01:25:59Z) - Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。
モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:01:04Z) - PIMSM: Physics-Informed Multi-Scale Mamba for Stable Neural Representations under Distribution Shift [16.230225739605316]
科学的時間構造維持の失敗は分布シフトの不安定性に寄与すると主張する。
周波数状態間のスペクトル推定遷移点をマッピングする状態空間アーキテクチャである物理インフォームド・マルチスケールマンバを提案する。
Human Connectome Project fMRIでは、PIMSMは重度の時間的コンテキストトランケーション下での堅牢性と表現安定性を改善している。
論文 参考訳（メタデータ） (2026-05-08T04:58:05Z) - Eulerian Motion Guidance: Robust Image Animation via Bidirectional Geometric Consistency [74.90075313101933]
本稿では、より局所的な監視設計により、同じ光フロープリミティブを再考する。
我々は隣接フレームのユーレアン運動場を用いて生成を誘導し、そこでは運動信号が常に短い時間ホップを記述する。
隣接するフレーム生成に共通するドリフトアーティファクトを軽減するために,双方向幾何整合機構を導入する。
論文 参考訳（メタデータ） (2026-05-07T13:53:31Z) - On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。
CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。
我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
論文 参考訳（メタデータ） (2025-12-30T06:29:20Z) - TaCo: Capturing Spatio-Temporal Semantic Consistency in Remote Sensing Change Detection [54.22717266034045]
Ta-Coは時間的意味遷移のための一貫したセマンティックネットワークである。
我々は,Ta-Coがリモートセンシング検出タスクにおいて一貫したSOTA性能を実現することを示す。
この設計は推論中に余分な計算オーバーヘッドを伴わずにかなりの利得を得ることができる。
論文 参考訳（メタデータ） (2025-11-25T13:44:29Z) - Towards Stable and Structured Time Series Generation with Perturbation-Aware Flow Matching [16.17115009663765]
安定かつ構造的に一貫した時系列生成を保証するために、摂動軌道をモデル化するフレームワークである textbfPAFM を導入する。
このフレームワークは摂動誘導訓練を取り入れ、局所的な乱れをシミュレートし、二経路速度場を利用して摂動下での軌道偏差を捉える。
非条件および条件生成タスクの両方の実験において、PAFMは強いベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2025-11-18T13:30:56Z) - Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。
拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。
LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
論文 参考訳（メタデータ） (2025-11-11T08:40:28Z) - Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。
具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。
提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
論文 参考訳（メタデータ） (2020-01-09T10:21:04Z)
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。