CDMamba: دمج المؤشرات المحلية في Mamba للكشف الثنائي عن التغيرات في الصور المستشعرة عن بعد

في الآونة الأخيرة، أظهرت معمارية Mamba المستندة إلى نماذج الحالة الحالة أداءً متميزًا في سلسلة من مهام معالجة اللغة الطبيعية، وتم تطبيقها بسرعة في مهام كشف التغيرات في الاستشعار عن بعد (CD). ومع ذلك، تعتمد معظم الطرق الحالية على تحسين مجال الاستقبال العالمي من خلال تعديل مباشر لطريقة المسح في Mamba، مما يتجاهل الدور الحاسم للمعلومات المحلية في المهام التي تتطلب تنبؤات كثيفة (مثل كشف التغير الثنائي). في هذا المقال، نقترح نموذجًا يُسمى CDMamba، والذي يُحقّق دمجًا فعّالًا بين السمات العالمية والمحليّة لمعالجة مهام كشف التغير الثنائي. وبشكل خاص، نُقدّم كتلة Scaled Residual ConvMamba (SRCM) لاستغلال قدرة Mamba على استخلاص السمات العالمية، إلى جانب استخدام الت convolution لتعزيز التفاصيل المحلية، بهدف التخفيف من مشكلة نقص التلميحات التفصيلية في الطرق القائمة على Mamba، والتي تُعاني من صعوبة في تحقيق كشف دقيق في المهام ذات التنبؤ الكثيف. علاوةً على ذلك، وبما أن كشف التغير يتطلب تفاعلًا بين السمات الزمنية الثنائية، نقترح كتلة Adaptive Global Local Guided Fusion (AGLGF) لتمكين التفاعل الثنائي الزمني ديناميكيًا، بمراعاة السمات العالمية/المحليّة الأخرى الزمنية. وتعتمد فكرتنا على أن استخلاص سمات تغير أكثر تمييزًا يمكن تحقيقه بمرافقة السمات الزمنية الأخرى. وقد أظهرت التجارب الواسعة على خمسة مجموعات بيانات أن نموذج CDMamba المقترح يُنافس الطرق الحالية (حيث تم تحسين نقاط F1/IoU بنسبة 2.10%/3.00% و2.44%/2.91% على مجموعتي بيانات LEVIR+CD وCLCD، على التوالي). وتم إتاحة الكود المصدري الخاص بنا على الرابط: https://github.com/zmoka-zht/CDMamba.