نمذجة مكانيّة زمنيّة مشتركة للكشف عن التغير الدلالي في صور الاستشعار عن بعد

يُشير كشف التغير الدلالي (SCD) إلى المهمة التي تتمثل في استخراج مناطق التغير معًا مع الفئات الدلالية (قبل وبعد التغير) في صور الاستشعار عن بعد (RSIs) بشكل متزامن. ويُعد هذا أكثر أهمية من كشف التغير الثنائي (BCD)، نظرًا لأنه يمكّن من تحليل التغيرات بشكل مفصل في المناطق المراقبة. وقد وضعت الدراسات السابقة هياكل شبكات عصبية تلافيفية ثلاثية الفروع (CNN) كنمط معياري لـ SCD. ومع ذلك، لا يزال يُشكل تحديًا استغلال المعلومات الدلالية عند توفر كميات محدودة من عينات التغير. في هذا العمل، نستكشف التفكير المشترك في الاعتماديات المكانية-الزمنية لتحسين دقة كشف التغير الدلالي. أولاً، نقترح نموذج "Transformer التغير الدلالي" (SCanFormer) لتمثيل تغيرات الدلالة "من-إلى" بين صور الاستشعار عن بعد ذات الفترتين الزمنيتين بشكل صريح. ثم، نقدّم خطة تعلم دلالي للاستفادة من القيود المكانية-الزمنية، التي تتماشى مع مهمة SCD، لتوجيه عملية تعلم التغيرات الدلالية. ويُظهر الشبكة الناتجة (SCanNet) تفوقًا كبيرًا على الطريقة الأساسية من حيث كشف التغيرات الدلالية الحرجة، واتساق الدلالة في النتائج ثنائية الفترات المُستخرجة. كما تحقق هذه الشبكة أفضل دقة مُحققة (SOTA) على مجموعتي بيانات معيارتين لاختبار SCD.