从像素到分层序列：用于视觉语言二进制变化检测的四叉树掩模编码

遥感中的密集变化检测需要视觉语言模型（VLM）来比较双时态图像并生成准确的像素级掩模。现有的 VLM 在很大程度上仅限于更改字幕输出，少数生成像素级掩码的 VLM 仍然依赖于外部解码器或平面​​文本作为掩码序列化，这对于小的和碎片化的更改效果较差。我们引入了 QUAKE-CD，一个将密集变化预测重塑为语法可验证的结构化生成的框架。 QUAKE-CD 将二进制变化掩码表示为语法约束的四叉树标记序列，使掩码在自回归生成空间内紧凑、语法可检查且可确定性解码。我们进一步构建了 QUAKE-CoT，它将这些序列与基于视觉证据的思维链轨迹配对，并通过渐进式课程和语法门控双奖励 RL 共同优化文本推理和空间密集预测。在 QUAKE-CoT 上，QUAKE-CD 实现了 78.31% 的累积 F1，优于基于解码器和平面文本作为掩码的 VLM，同时产生更忠实的双时态推理。