从变化标题到变化检测：遥感变化检测的语义外观一致性框架

遥感变化检测（RSCD）对于监测土地覆盖变化和城市发展至关重要。然而，大多数方法需要像素级变化掩模，这注释起来既昂贵又耗时。弱监督方法通过使用图像级变化标签来降低这种成本。然而，这些标签仅表明是否发生了变化，让模型通过额外的复杂机制来恢复变化的位置和语义。这些缺失的信息可以通过更改标题直接提供，更改标题描述了哪些更改、更改变成了什么以及更改发生的位置。因此，我们引入了更改标题引导的 RSCD，使用更改标题作为唯一的特定于任务的监督来学习更改掩码，而无需手动注释更改掩码。我们的框架有两个组件：一个标题驱动的生成管道，它大规模地生成双时态遥感图像对，并具有与每个标题匹配的受控变化；以及一个由标题的转换语义引导的变化检测器。该检测器使用我们的语义外观一致性框架 (SAAF) 将基于字幕的语义响应与 RGB 差异相结合以实现变化定位，而文本条件则指导密集预测。在我们新构建的 Flair-RSGen 数据集和 WHU-CDC 上进行的实验表明，在评估协议下，SAAF 在宏观平均 IoU 和 F1 方面优于最接近的复制有限监督基线。代码可通过此 https URL 公开获取。