論文の概要: Freq-RemoteVAR: Next-Frequency Autoregressive Modeling for Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2607.25815v1
• Date: Tue, 28 Jul 2026 14:59:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.876119
• Title: Freq-RemoteVAR: Next-Frequency Autoregressive Modeling for Remote Sensing Change Detection
• Title（参考訳）: Freq-RemoteVAR:リモートセンシング変化検出のための高周波自己回帰モデリング
• Abstract要約: 本稿では、周波数領域における構造的生成問題として変化検出を再構成する周波数自己回帰フレームワークを提案する。 本稿では、周波数トークン上で因果自己回帰モデリングを行う周波数VAR変換器を開発する。 CDD、GZ-CD、LEVIR-CDの実験は、Freq-Remoteが既存の手法より一貫して優れていることを示した。
• 参考スコア（独自算出の注目度）: 14.222308941007674
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote sensing change detection aims to identify land-cover changes from bi-temporal images. Most existing methods follow a one-shot dense prediction paradigm, directly regressing a change mask from fused features. However, such approaches overlook the intrinsic frequency characteristics of change patterns. We propose Freq-RemoteVAR, a frequency autoregressive framework that reformulates change detection as a structured generation problem in the frequency domain. Instead of predicting the change mask in a single step, we introduce a next-frequency prediction paradigm, where change information is progressively generated from coarse to fine. We design a frequency-aware mask tokenization strategy that decomposes change supervision into multi-frequency token targets via Fourier transformation and quantization. We develop a Frequency VAR Transformer, which performs causal autoregressive modeling over frequency tokens. The model starts from learned mask queries and progressively predicts frequency-level tokens conditioned on previously generated tokens and bi-temporal image features, effectively capturing long-range dependencies across frequency scales. We introduce Scale-Aligned RoPE Cross Attention (SRCA) module, which aligns frequency-domain mask queries with spatial-domain bi-temporal features under a unified coordinate system, enhancing spatial-frequency consistency during generation. We propose a Change-quality Control module that adaptively modulates the generation process through dynamic normalization, attention biasing, and spatial offset adjustment, thereby suppressing pseudo-change responses and improving robustness. Extensive experiments on CDD, GZ-CD, and LEVIR-CD demonstrate that Freq-RemoteVAR consistently outperforms existing methods, particularly in challenging scenarios with complex appearance variations and noisy disturbances.
• Abstract（参考訳）: リモートセンシング変化検出は、両時間画像から土地被覆変化を特定することを目的としている。 既存のほとんどのメソッドは、1ショットの密集予測パラダイムに従い、変更マスクを融合した特徴から直接退避させる。 しかし、このような手法は変化パターンの固有周波数特性を無視する。 本稿では、周波数領域における構造的生成問題として変化検出を再構成する周波数自己回帰フレームワークであるFreq-RemoteVARを提案する。 一つのステップで変更マスクを予測する代わりに、変化情報を粗いものから細かいものへと段階的に生成する、次の周波数予測パラダイムを導入する。 我々は、フーリエ変換と量子化により、変更監視を多周波トークンターゲットに分解する周波数対応マスクトークン化戦略を設計する。 本稿では、周波数トークン上で因果自己回帰モデリングを行う周波数VAR変換器を開発する。 このモデルは、学習したマスククエリから始まり、以前に生成されたトークンとバイテンポラル画像の特徴に基づいて、周波数レベルのトークンを段階的に予測し、周波数スケールにわたる長距離依存関係を効果的にキャプチャする。 本稿では,周波数領域のマスククエリと空間領域の両時間的特徴を統一座標系で整列させ,生成時の空間周波数の整合性を高める,SRCA(Scale-Aligned RoPE Cross Attention)モジュールを提案する。 本研究では, 動的正規化, 注意バイアス, 空間オフセット調整によって生成過程を適応的に調整し, 擬似変化応答を抑え, 堅牢性を向上する変更品質制御モジュールを提案する。 CDD、GZ-CD、LEVIR-CDに関する大規模な実験は、Freq-RemoteVARが既存の手法、特に複雑な外観変化とノイズ障害を伴う挑戦的なシナリオにおいて一貫して優れていたことを示している。

関連論文リスト

• FreqFLD: Towards All-in-One Facial Landmark Detection via Frequency Modulation [11.50805768130112]
  FreqFLDは、オールインワンのtextbfface textbflandmark textbfdection に向けたフレームワークである。 FreqFLDは周波数変調混合(FreqMoE)と周波数変調前の条件に適応的に調整されたエキスパートセレクションを採用している。 実験では、提案されたFreqFLDが一般的なデータセットで同等のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-09-09T14:58:46Z)
• LEFT: Learnable Fusion of Tri-view Tokens for Unsupervised Time Series Anomaly Detection [53.191369031661885]
  教師なし時系列異常検出は、アノテーションの可用性を前提とせず、異常なタイムスタンプを識別するモデルを構築することを目的としている。 本稿では,非教師付きTSADフレームワークであるLearnable Fusion of Tri-view Tokens(LEFT)について述べる。 実世界のベンチマーク実験では、LEFTはSOTAベースラインに対して最高の検出精度を示し、FLOPの5倍、トレーニングの8倍のスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-02-09T13:33:49Z)
• SMKC: Sketch Based Kernel Correlation Images for Variable Cardinality Time Series Anomaly Detection [0.0]
  運用環境では、監視システムはセンサーチャーンを頻繁に経験する。 本稿では,異常検出器から動的入力構造を分離するフレームワークSMKCを提案する。 SMKC表現におけるランダムプロジェクションと近傍近傍の検出器は、完全に訓練されたベースラインと競合する。
  論文  参考訳（メタデータ） (2026-01-28T21:15:11Z)
• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• FreCT: Frequency-augmented Convolutional Transformer for Robust Time Series Anomaly Detection [8.779286654383796]
  時系列異常検出はシステム監視とリスク識別に重要である。 周波数拡張畳み込み変換器(FreCT)を提案する。 FreCTはパッチ操作を利用してコントラストビューを生成し、コンボリューションモジュールと統合された改良されたTransformerアーキテクチャを採用している。
  論文  参考訳（メタデータ） (2025-05-02T00:56:24Z)
• Changen2: Multi-Temporal Remote Sensing Generative Change Foundation Model [62.337749660637755]
  安価で自動的な生成モデルに基づく変更データ生成器を提案する。 Changen2は、自己監督を通じて大規模にトレーニング可能な、生成的な変更基盤モデルである。 得られたモデルには、固有のゼロショット変化検出機能と優れた転送性がある。
  論文  参考訳（メタデータ） (2024-06-26T01:03:39Z)
• Masked Frequency Modeling for Self-Supervised Visual Pre-Training [102.89756957704138]
  MFM(Masked Frequency Modeling)は、視覚モデルの自己教師付き事前学習のための統合周波数領域に基づくアプローチである。 MFMはまず入力画像の周波数成分の一部をマスクアウトし、周波数スペクトルの欠落周波数を予測する。 MFMは初めて、ViTとCNNの両方で、単純な非シームフレームワークは、以下のものを使って意味のある表現を学習できることを示した。
  論文  参考訳（メタデータ） (2022-06-15T17:58:30Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)

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。