論文の概要: QSCP: Beyond Class-Name Prompts for Query-Guided Semantic Change Parsing

• arxiv url: http://arxiv.org/abs/2609.33088v1
• Date: Sun, 27 Sep 2026 01:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:36:26.484199
• Title: QSCP: Beyond Class-Name Prompts for Query-Guided Semantic Change Parsing
• Title（参考訳）: QSCP:クエリガイドによるセマンティックチェンジ解析のためのクラス名プロンプトを超えて
• Abstract要約: 従来の変化検出(CD)は、両時間リモートセンシング画像間の変化を特定する。 参照変更検出(RCD)は、カテゴリプロンプトによる選択的検索を可能にする。 クエリ誘導型セマンティックチェンジ解析(Q SCP)を提案する。 SECONDでは、Q SCPは同義語、文、遷移クエリでRCDNetを上回っている。
• 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: Traditional change detection (CD) identifies changes between bi-temporal remote sensing images, while semantic change detection (SCD) assigns predefined land-cover classes. However, mapping all changes may not meet a user's specific needs. Referring change detection (RCD) enables selective retrieval through category prompts. However, existing category-prompted RCD uses the queried category to specify the destination of a change and returns only a binary mask of the corresponding regions. Users may instead request a particular transition and paired semantic maps to understand what changed into what. Such requests require explicit source and target reasoning beyond target-class localization. To address these needs, we propose query-guided semantic change parsing (QSCP), which supports category names, synonyms, and intent-bearing sentences and returns a query-specific mask with paired temporal semantic maps. QSCP parses requests into intents and semantic slots, composes bidirectional visual evidence, and predicts both temporal states with a query-conditioned decoder. On SECOND, QSCP outperforms RCDNet on synonym, sentence, and transition queries and improves end-to-end semantic prediction over evaluated semantic baselines. WHU-CDC experiments further assess cross-dataset transfer and consistency across equivalent expressions without target-domain training. Code is available at https://github.com/qianyuancs/QSCP
• Abstract（参考訳）: 従来の変化検出(CD)は両時間リモートセンシング画像間の変化を識別するが、意味変化検出(SCD)は事前に定義された土地被覆クラスを割り当てる。 しかし、すべての変更をマッピングすることは、ユーザの要求に合わないかもしれない。 参照変更検出(RCD)は、カテゴリプロンプトによる選択的検索を可能にする。 しかし、既存のカテゴリプロップされたRCDは、クエリされたカテゴリを使用して変更の宛先を特定し、対応する領域のバイナリマスクのみを返す。 その代わり、ユーザーは特定の遷移とペア化されたセマンティックマップをリクエストして、何が何に変わったのかを理解する。 このような要求は、ターゲットクラスローカライゼーション以上の明確なソースとターゲット推論を必要とする。 これらのニーズに対処するために、カテゴリ名、同義語、意図を持つ文をサポートし、対の時間的意味マップを持つクエリ固有マスクを返却するクエリ誘導意味変化解析(QSCP)を提案する。 QSCPはリクエストをインテントとセマンティックスロットに解析し、双方向の視覚的エビデンスを構成し、クエリ条件のデコーダで両方の時間状態を予測する。 SECONDでは、QSCPは同義語、文、遷移クエリでRCDNetより優れ、評価されたセマンティックベースラインよりもエンドツーエンドのセマンティック予測を改善する。 WHU-CDC実験は、ターゲットドメイントレーニングなしで等価表現間のデータセット間の転送と一貫性を更に評価する。 コードはhttps://github.com/qianyuancs/QSCPで入手できる。

関連論文リスト

• CogVis: Must Open-Vocabulary Change Detection Perceive the Scene Anew for Every Query? [12.117404924867804]
  地球表面モニタリングは、任意の意味圏を認識できる変化検出モデルを必要とする。 Open-Vocabulary Change Detection (OVCD)はこのニーズに対処する。 我々は,OVCDを認知メモリ検証パラダイムとして再構成する認知記憶誘導フレームワークであるCogVisを提案する。
  論文  参考訳（メタデータ） (2026-08-06T15:18:35Z)
• RSRCC: A Remote Sensing Regional Change Comprehension Benchmark Constructed via Retrieval-Augmented Best-of-N Ranking [0.2446672595462589]
  RSRCCは126kの質問を含むリモートセンシング変更質問応答のための新しいベンチマークである。 私たちの知る限りでは、これは、きめ細かい推論に基づく監督のために明示的に設計された、リモートセンシングによる質問応答ベンチマークとしては初めてのものです。
  論文  参考訳（メタデータ） (2026-04-22T14:38:41Z)
• 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)
• Temporal-aware Hierarchical Mask Classification for Video Semantic Segmentation [62.275143240798236]
  ビデオセマンティックセグメンテーションデータセットは、ビデオ毎のカテゴリが限られている。 VSSトレーニング中に意味のある勾配更新を受けるために、クエリの10%未満がマッチする可能性がある。 提案手法は,最新のVSSベンチマークVSPWにおいてベルやホイッスルを使わずに,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-09-14T20:31:06Z)
• Dynamic Focus-aware Positional Queries for Semantic Segmentation [94.6834904076914]
  本稿では,動的焦点認識型位置情報クエリと呼ばれるセマンティックセグメンテーションのための,シンプルで効果的なクエリ設計を提案する。 我々のフレームワークはSOTAの性能を達成し、ResNet-50、Swin-T、Swin-Bのバックボーンによる1.1%、1.9%、および1.1%の単一スケールmIoUでMask2formerより優れています。
  論文  参考訳（メタデータ） (2022-04-04T05:16:41Z)
• SeCGAN: Parallel Conditional Generative Adversarial Networks for Face Editing via Semantic Consistency [50.04141606856168]
  目的のセマンティックマスクを指定せずにセマンティック情報を利用した顔画像の編集を行うラベル誘導型cGANを提案する。 SeCGANには2つのジェネレータと識別器が並列に動作しており、1つはRGBイメージを変換し、もう1つはセマンティックマスク用に訓練されている。 CelebAとCelebA-HQで得られた結果は、我々のアプローチがより正確な属性を持つ顔画像を生成することができることを示している。
  論文  参考訳（メタデータ） (2021-11-17T18:54:58Z)
• Bi-Temporal Semantic Reasoning for the Semantic Change Detection of HR Remote Sensing Images [17.53683781109742]
  意味変化検出(SCD)のための新しいCNNアーキテクチャを提案する。 このアーキテクチャについて詳述し、両時間的意味的相関をモデル化する。 Bi-SRNet(Bi-temporal Semantic Reasoning Network)は2種類の意味的推論ブロックを含んでおり、時間的および時間的両方の意味的相関を推論する。
  論文  参考訳（メタデータ） (2021-08-13T07:28:09Z)
• Cross-domain Speech Recognition with Unsupervised Character-level Distribution Matching [60.8427677151492]
  2つの領域における各文字間の微粒化適応を行うための文字レベルの分布マッチング手法であるCMatchを提案する。 Libri-Adaptデータセットを用いた実験の結果,提案手法はクロスデバイスとクロス環境の両方で14.39%,16.50%の単語誤り率(WER)を低減できることがわかった。
  論文  参考訳（メタデータ） (2021-04-15T14:36:54Z)

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。