論文の概要: From Change Captions to Change Detection: Semantic-Appearance Agreement Framework for Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2609.28192v1
• Date: Wed, 23 Sep 2026 14:32:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.063996
• Title: From Change Captions to Change Detection: Semantic-Appearance Agreement Framework for Remote Sensing Change Detection
• Title（参考訳）: 変更キャプションから変更検出:リモートセンシング変更検出のためのセマンティック・アプライアンス・コンセンサス・コンセンサス・フレームワーク
• Abstract要約: 本研究では,手動で変更マスクを注釈付けせずに変更マスクを学習するために,変更キャプションを単独のタスク特化監視として使用するRSCDを導入する。 フレームワークには,2つのコンポーネントがある:キャプション駆動生成パイプラインは,各キャプションに一致する制御された変更を伴う,双方向のリモートセンシング画像ペアを大規模に生成し,キャプションの遷移意味論によって導かれる変化検出器である。 新たに構築したFrair-RSGenデータセットとWHU-CDCを用いて実験したところ,SAAFはマクロ平均IoUとF1において最良に再現されたリミテッドスーパービジョンベースラインよりも優れていた。
• 参考スコア（独自算出の注目度）: 7.321149033763497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote sensing change detection (RSCD) is essential for monitoring land-cover changes and urban development. However, most methods demand pixel-level change masks, which are costly and time-consuming to annotate. Weakly supervised methods reduce this cost by using image-level change labels. Yet these labels indicate only whether a change occurs, leaving models to recover the location of the change and semantic meaning through additional and complex mechanisms. This missing information can be supplied directly by change captions, which describe what changes, what it becomes, and where it occurs. Therefore, we introduce change-caption-guided RSCD, using change captions as the sole task-specific supervision to learn change masks without manually annotated change masks. Our framework has two components: a caption-driven generation pipeline that produces bi-temporal remote sensing image pairs at scale with controlled changes matching each caption, and a change detector guided by the caption's transition semantics. The detector uses our Semantic-Appearance Agreement Framework (SAAF) to combine caption-grounded semantic responses with RGB differences for change localization, while text conditioning guides dense prediction. Experiments on our newly constructed Flair-RSGen dataset and WHU-CDC show that SAAF outperforms the closest reproduced limited-supervision baselines in macro-averaged IoU and F1 under the evaluated protocols. Code is publicly available at https://github.com/qianyuancs/SAAF.
• Abstract（参考訳）: リモートセンシング変化検出(RSCD)は、土地被覆の変化と都市開発を監視するために不可欠である。 しかし、ほとんどの方法はピクセルレベルの変更マスクを必要としており、アノテートするのにコストと時間を要する。 弱教師付き手法は、画像レベルの変更ラベルを使用することで、このコストを削減する。 しかし、これらのラベルは変更が発生するかどうかのみを示し、追加的かつ複雑なメカニズムを通じて変更と意味の場所を復元するモデルを残している。 この欠落した情報は、変更キャプション(変更キャプション)によって直接供給される。 そこで,手動で変更マスクを付加することなく変更マスクを学習するために,変更キャプションを単独のタスク特化監視として使用した変更カプセル誘導RSCDを導入する。 フレームワークには,2つのコンポーネントがある:キャプション駆動生成パイプラインは,各キャプションに一致する制御された変更を伴う,双方向のリモートセンシング画像ペアを大規模に生成し,キャプションの遷移意味論によって導かれる変化検出器である。 この検出器は、セマンティック・アプライアンス・アグリーメント・アグリーメント・フレームワーク(SAAF)を用いて、キャプション・グラウンドド・セマンティック・レスポンスとRGB差分を組み合わせ、テキスト・コンディショニングは密集した予測を導く。 新たに構築したFrair-RSGenデータセットとWHU-CDCを用いて実験したところ,SAAFはマクロ平均IoUとF1において最良に再現されたリミテッドスーパービジョンベースラインよりも優れていた。 コードはhttps://github.com/qianyuancs/SAAFで公開されている。

関連論文リスト

• Masks Can Talk: Extracting Structured Text Information from Single-Modal Images for Remote Sensing Change Detection [5.090262478249704]
  変更ラベルから直接構造化されたテキスト特徴を取得するフレームワークであるS2Mを提案する。 S2Mは17.80%のSekとF$_scd$の66.14%を達成する。
  論文  参考訳（メタデータ） (2026-05-08T03:16:46Z)
• 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)
• 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)
• 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)
• 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)
• MS-Former: Memory-Supported Transformer for Weakly Supervised Change Detection with Patch-Level Annotations [50.79913333804232]
  弱い教師付き変化検出のためのメモリ支援トランス (MS-Former) を提案する。 MS-Former は双方向注意ブロック (BAB) とパッチレベルの監視スキーム (PSS) から構成される。 3つのベンチマークデータセットの実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-11-16T09:57:29Z)
• Neighborhood Contrastive Transformer for Change Captioning [80.10836469177185]
  本研究では,異なる環境下での様々な変化に対するモデルの知覚能力を向上させるために,近傍のコントラスト変換器を提案する。 提案手法は,変化シナリオの異なる3つの公開データセットに対して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-06T14:39:54Z)
• Self-Pair: Synthesizing Changes from Single Source for Object Change Detection in Remote Sensing Imagery [6.586756080460231]
  本研究では,2つの空間的無関係な画像を用いて変化検出器をトレーニングする。 本稿では,画像の残像としての操作が,変化検出の性能に不可欠であることを示す。 本手法は, 単一時間監視に基づく既存手法よりも優れる。
  論文  参考訳（メタデータ） (2022-12-20T13:26:42Z)
• 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)

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。