كشف التغيرات في الصور المستشعرة عن بعد يهدف إلى تحديد الفروق بين الصور التي تم التقاطها في أزمنة مختلفة لنفس المنطقة. ويُستخدم على نطاق واسع في مجالات إدارة الأراضي، والمراقبة البيئية، وتقييم الكوارث، وغيرها. في الوقت الحالي، تعتمد معظم أساليب كشف التغيرات على بنية شبكة سيميس (Siamese) أو بنية الدمج المبكر (Early Fusion). أما البنية سيميس، فتركّز على استخراج ميزات الكائنات في الأزمنة المختلفة، لكنها تفتقر إلى الانتباه إلى معلومات التغير، مما يؤدي إلى إشارات إنذار خاطئة وفقدان كشف التغيرات. أما بنية الدمج المبكر، فتركّز على استخراج الميزات بعد دمج الصور من المراحل الزمنية المختلفة، لكنها تتجاهل الأهمية التي تمثلها ميزات الكائنات في الأزمنة المختلفة للكشف عن التفاصيل الدقيقة للتغير، مما يجعل من الصعب تمييز الحواف بدقة للكائنات المتغيرة. ولحل هذه المشكلات والحصول على نتائج أكثر دقة، نقترح شبكة جديدة تُسمى Triplet UNet (T-UNet)، مبنية على مُشفر ثلاثي الفروع، التي تُمكّن من استخراج ميزات الكائنات وميزات التغير بين الصور المُلتقطة قبل وبعد الزمن في آن واحد، من خلال المشفر الثلاثي. ولتمكين التفاعل الفعّال ودمج الميزات المستخرجة من الفروع الثلاثة للمشفر الثلاثي، نقترح وحدة انتباه متقاطعة فضائية-طيفية متعددة الفروع (MBSSCA). وفي مرحلة التفكيك (decoder)، نُدخل آلية الانتباه القنوي (CAM) وآلية الانتباه المكاني (SAM) لاستغلال ودمج معلومات النسيج التفصيلي من الطبقات السطحية، والمعلومات التفسيرية والمحاذاة المكانية من الطبقات العميقة بشكل كامل.