論文の概要: FootprintNet: State-Transition-Guided Dynamic Footprint Learning for Multi-temporal Remote Sensing Change Detection
- arxiv url: http://arxiv.org/abs/2607.27969v1
- Date: Thu, 30 Jul 2026 10:16:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.507244
- Title: FootprintNet: State-Transition-Guided Dynamic Footprint Learning for Multi-temporal Remote Sensing Change Detection
- Title（参考訳）: フットプリントネット:多時間リモートセンシング変化検出のための状態遷移誘導動的フットプリント学習
- Authors: Haotian Zhang, Hao Chen, Han Guo, Zhengxia Zou, Zhenwei Shi,
- Abstract要約: Urban Building Dynamics Detection (UBDD) は、ビルの動的フットプリントを識別する。
FootprintNetは、ビルド-変更プロセスを潜在状態とアクション間のインタラクションとして抽象化する。
変更ダイナミクススコア(BCDS)の構築は、予測されたフットプリントとラベルの間の時間的近接を反映している。
- 参考スコア（独自算出の注目度）: 49.18153467180028
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite substantial progress in remote sensing multi-temporal change detection (MTCD), most existing MTCD methods still represent the dynamic process at each spatial location over the entire observation period using a single change category associated with the final observation. This implicit single-change assumption limits their ability to characterize regions of recurrent change closely related to human activities. To address this limitation, we introduce Urban Building Dynamics Detection (UBDD), which identifies building-change dynamic footprints, i.e., the temporal intervals in which changes occur, from multi-temporal imagery and produces pixel-wise classification masks. For regions undergoing two or more changes, UBDD introduces an independent multi-change class for unified representation, thereby enabling unified modeling of single- and multi-change processes. Furthermore, we propose FootprintNet, which abstracts building-change processes as interactions between latent states and actions, and imposes state-action transition constraints to guide the learning of causally coherent change trajectories. It further exploits temporal change-boundary cues to enhance feature contrast across boundary sides, thereby improving the discrimination among different dynamic footprints and enabling accurate detection of dynamic footprints. Moreover, we introduce the Building Change Dynamics Score (BCDS) to address the inability of conventional metrics to reflect the temporal proximity between predicted footprints and labels. It evaluates predictions according to their preservation of change semantics and temporal offsets from the corresponding labels. Extensive experiments on TSCD, MUDS, and WUSU demonstrate that FootprintNet outperforms current state-of-the-art methods. The code is available at https://github.com/zmoka-zht/FootprintNet.
- Abstract（参考訳）: リモートセンシング多時間変化検出(MTCD)の大幅な進歩にもかかわらず、既存のMTCD法の多くは、最終観測に付随する単一の変化圏を用いて、観測期間全体を通して各空間位置における動的過程を表現している。
この暗黙的な単一変化仮定は、人間の活動と密接に関連する反復的な変化の領域を特徴づける能力を制限する。
この制限に対処するために、UBDD(Urban Building Dynamics Detection)を導入し、マルチ時間画像から変化が生じる時間間隔を識別し、画素単位の分類マスクを生成する。
2つ以上の変更を行うリージョンに対して、UBDDは、統一された表現のための独立したマルチチェンジクラスを導入し、単一のおよびマルチチェンジプロセスの統一モデリングを可能にする。
さらに, 構造変化過程を潜在状態と動作の相互作用として抽象化し, 状態-動作遷移の制約を課し, 因果的コヒーレントな変化軌跡の学習を導くフットプリントネットを提案する。
さらに、時間的変化境界の手がかりを利用して境界面間の特徴コントラストを強化し、異なる動的フットプリント間の識別を改善し、動的フットプリントの正確な検出を可能にする。
さらに、予測されたフットプリントとラベル間の時間的近接を反映する従来のメトリクスの欠如に対処するために、ビルディングチェンジダイナミクススコア(BCDS)を導入する。
対応するラベルから変化の意味や時間的オフセットの保存に応じて予測を評価する。
TSCD、MUDS、WUSUに関する大規模な実験は、フットプリントネットが現在の最先端手法よりも優れていることを示した。
コードはhttps://github.com/zmoka-zht/FootprintNetで公開されている。
関連論文リスト
- SemDINO: A DINOv3-Driven Network for Cross-Temporal Semantic Alignment in Change Detection [5.181191495929067]
SemDINOは、エンドツーエンドのセマンティックチェンジ検出ネットワークである。
デュアルブランチエンコーダ、マルチスケールの時間的相互作用、意味的浄化、変更の強化、分離されたマルチタスク予測を統合している。
パブリックリモートセンシングCDデータセットの実験により、SemDINOは最先端の手法に対して優れた性能と一般化能力を発揮することが示された。
論文 参考訳（メタデータ） (2026-06-08T17:32:31Z) - 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) - 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) - CEBSNet: Change-Excited and Background-Suppressed Network with Temporal Dependency Modeling for Bitemporal Change Detection [5.667475728935794]
変更検出はリモートセンシングとコンピュータビジョンにおいて重要なタスクである。
現在のメソッドは一時的な依存関係を見落とし、顕著な変更を過度に強調します。
textbfCEBSNetは、変更検出のための新しい変更励起およびバックグラウンド抑圧ネットワークである。
論文 参考訳（メタデータ） (2025-05-21T09:57:30Z) - Detect Changes like Humans: Incorporating Semantic Priors for Improved Change Detection [52.62459671461816]
本稿では,視覚基盤モデルからのセマンティックな先入観を取り入れ,変化を検出する能力の向上について検討する。
人間の視覚パラダイムにインスパイアされた新しいデュアルストリーム特徴デコーダは、意味認識特徴と差認識特徴を組み合わせることで変化を区別するために導出される。
論文 参考訳（メタデータ） (2024-12-22T08:27:15Z) - 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) - Learning Causal Domain-Invariant Temporal Dynamics for Few-Shot Action Recognition [12.522600594024112]
少ないショットアクション認識は、トレーニング済みのモデルを新しいデータに迅速に適応することを目的としている。
主な課題は、事前訓練されたモデルから学んだ伝達可能な知識の特定と活用である。
知識伝達のためのCDTD(Causal Domain-Invariant Temporal Dynamics)を提案する。
論文 参考訳（メタデータ） (2024-02-20T04:09:58Z) - Long-Term Invariant Local Features via Implicit Cross-Domain
Correspondences [79.21515035128832]
我々は、様々なドメイン変更の下で、現在の最先端特徴抽出ネットワークの性能を徹底的に分析する。
我々は、新しいデータ中心方式、Implicit Cross-Domain Correspondences (iCDC)を提案する。
iCDCは複数のニューラル・ラジアンス・フィールドで同じ環境を表し、それぞれが個々の視覚領域の下にシーンを適合させる。
論文 参考訳（メタデータ） (2023-11-06T18:53:01Z) - Transformer-based Multimodal Change Detection with Multitask Consistency Constraints [10.906283981247796]
現在の変化検出方法は、意味変化検出タスクと高さ変化検出タスクのマルチタスク競合に対処する。
そこで我々は,クロスアテンションにより,多次元入力間の共有表現を学習する効率的なトランスフォーマーネットワークを提案する。
提案手法は,5つの現状変化検出手法と比較して,意味的および高さ変化検出の観点から,一貫したマルチタスク優位性を示す。
論文 参考訳（メタデータ） (2023-10-13T17:38:45Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z)
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。