Tag · 3 篇

变化检测

分布 视觉语言模型1自监督与表征学习1生成模型与扩散1
01
视觉语言模型 / CVPR2026

UniChange:以多模态大语言模型统一变化检测

UniChange: Unifying Change Detection with Multimodal Large Language Model

用 MLLM 的语言先验与特殊 token([T1]/[T2]/[CHANGE])嵌入作为查询,把二值变化检测与语义变化检测统一进一个生成式框架,并用文本提示替代预定义分类头以兼容类别定义冲突的多源数据,为遥感变化检测提供可复用的统一建模范式。

多模态大语言模型变化检测统一框架
02
自监督与表征学习 / CVPR2026 待复核

稀疏地刻画变化:面向遥感解译的脉冲时序框架

Sparsely Timing the Change: A Spiking Temporal Framework for Remote Sensing Interpretation

把双时相辐射差转成带 time-to-first-spike 特性的稀疏脉冲序列,再用 SNN 提取动态变化特征,并通过可学习时序衰减与 ANN 语义特征融合——这套「脉冲编码+轻量适配器」思路可迁移到任何需要从稀疏时序观测中挖掘动态信息的视觉任务(如视频变化检测、事件相机处理)。

脉冲神经网络时序融合变化检测
03
生成模型与扩散 / CVPR2026

ChangeBridge:面向遥感的多模态控制时空图像生成

ChangeBridge: Spatiotemporal Image Generation with Multimodal Controls for Remote Senisng

扩散桥(diffusion bridge)用给定前事件图像作为起点替代噪声初始化,并用像素级漂移图区分事件变化与时序变化,这一「从观测状态出发、按漂移量差异化生成」的框架可直接迁移到视频预测、时序遥感与变化检测的数据增广。

扩散桥多模态条件控制遥感图像生成