摘要
变化检测（CD）旨在识别在不同时间拍摄的图像对中发生的变化。以往的方法从零开始设计特定的网络以预测像素级别的变化掩模，但在解决一般的分割问题时面临挑战。本文提出了一种新的范式，将CD简化为语义分割，即调整现有的强大语义分割网络来解决CD问题。这一新范式可以方便地利用主流的语义分割技术来处理CD中的通用分割问题，因此我们可以集中精力研究如何检测变化。我们提出了一个新颖且重要的见解，即CD中存在不同的变化类型，它们应该分别进行学习。基于这一见解，我们设计了一个名为MTF（Multi-Temporal Fusion）的模块，用于提取变化信息并融合时间特征。MTF具有高可解释性，并揭示了CD的本质特征。大多数分割网络都可以通过集成我们的MTF模块来解决CD问题。最后，我们提出了C-3PO网络，用于像素级别的变化检测。C-3PO在没有复杂技巧的情况下实现了最先进的性能。它简单而有效，可以被视为该领域的新的基准模型。我们的代码位于https://github.com/DoctorKey/C-3PO。