用于点监督变化检测的渐进式伪标签优化

点监督变化检测（PS-CD）旨在仅使用稀疏注释点来识别双时图像之间的像素级变化。尽管点注释大大降低了标记成本，但其有限的空间覆盖范围通常会导致不完整且有噪声的伪标签。为了解决这个问题，我们提出了一个两阶段框架，将 SAM2 先验引入 PS-CD 并逐步使其适应目标任务。在第一阶段，SAM2 根据双时态图像上的点注释生成对象感知候选掩模，并且双时态掩模选择策略旨在将通用分割响应转换为更可靠的变化伪标签。随后，采用具有不确定性感知损失的轻量级 CNN 细化模块来提高边界质量和局部结构一致性。在第二阶段，我们构建了一个师生自我训练框架，其中教师通过指数移动平均值进行更新并定期刷新伪标签。该设计建立了一个闭环优化过程，在伪标签细化和模型重新优化之间交替。对三个基准数据集（包括 WHU-CD、LEVIR-CD 和 SYSU-CD）的实验表明，所提出的方法在大多数基准上优于以前的弱监督方法，并且与几种完全监督方法保持竞争力。