arXiv cs.AI· Xavier Bou, Elliot Vincent, Gabriele Facciolo, Rafael Grompone von Gioi, Jean-Michel Morel, Thibaud Ehret·· 10 小时前AI 评分29
遥感变化检测的弱时间监督方法
Remote Sensing Change Detection via Weak Temporal Supervision
AI 导读
研究提出一种弱时间监督策略，通过为现有单时相遥感数据集补充不同时间的观测，无需新增标注即可训练变化检测模型。该方法假设真实双时相对大多无变化，并将不同地点图像配对生成变化样本，配合对象感知变化图生成与迭代优化处理弱标签噪声。在扩展的 FLAIR 和 IAILD 航空数据集上，该方法在零样本和低数据场景下表现有竞争力，并在法国大范围区域验证了可扩展性。
正文 · AI 翻译
摘要：遥感中的语义变化检测旨在识别双时相影像对之间的土地覆盖变化。由于像素级标注成本高昂且耗时，该领域的进展受限于标注数据集的稀缺。为解决这一问题，近期方法利用合成数据或生成人工变化对，但跨数据集和采集条件迁移变化检测模型仍具挑战性。在本工作中，我们引入一种弱时间监督策略，利用现有单时相数据集的额外时间观测，无需任何新标注。具体而言，我们通过在不同时间获取的新观测扩展单日期遥感数据集，并训练变化检测模型，假设真实双时相影像对大多不包含变化，同时将不同位置的影像配对以生成变化示例。为处理这些弱标签中固有的噪声，我们采用对象感知变化图生成和迭代细化过程。我们在扩展版 FLAIR 和 IAILD 航空数据集上验证了我们的方法，展示了具有竞争力的零样本和低数据量性能。最后，我们展示了法国大范围区域的结果，突显了我们方法的可扩展潜力。
| 评论： | 已被 WACV2027 接收 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2601.02126 [cs.CV] |
| （或 arXiv:2601.02126v3 [cs.CV] 为此版本） | |
| https://doi.org/10.48550/arXiv.2601.02126 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Elliot Vincent [查看邮箱]
[v1]
2026年1月5日星期一 13:57:02 UTC（37,261 KB）
[v2]
2026年11月6日星期五 11:43:28 UTC（36,812 KB）
[v3]
2026年11月10日星期二 12:53:44 UTC（36,802 KB）
来源：arXiv cs.AI · arxiv.org