Die Änderungserkennung ist ein wichtiges Werkzeug für langfristige Erdbeobachtungsmissionen. Sie nimmt bitemporale Bilder als Eingabe und prognostiziert, "wo" die Änderung aufgetreten ist. Im Gegensatz zu anderen dichten Vorhersageaufgaben ist eine bedeutsame Überlegung bei der Änderungserkennung die Interaktion zwischen bitemporalen Merkmalen. Aus diesem Motiv schlagen wir in dieser Arbeit eine neuartige allgemeine Architektur zur Änderungserkennung vor, den MetaChanger, der eine Reihe alternativer Interaktionsschichten im Merkmalsextraktor umfasst. Um die Effektivität des MetaChangers zu überprüfen, schlagen wir zwei abgeleitete Modelle vor, den ChangerAD und den ChangerEx, mit einfachen Interaktionsstrategien: Aggregation-Verteilung (AD) und "Austausch". AD wird aus einigen komplexen Interaktionsmethoden abstrahiert, und "Austausch" ist eine vollständig parameter- und rechenfreie Operation durch den Austausch von bitemporalen Merkmalen. Darüber hinaus schlagen wir für eine bessere Ausrichtung von bitemporalen Merkmalen ein Fluss-Dual-Ausrichtungs-Fusionsmodul (FDAF) vor, das interaktive Ausrichtung und Merkmalfusion ermöglicht. Wesentlich ist, dass wir beobachten, dass die Modelle der Changer-Reihe wettbewerbsfähige Leistungen auf verschiedenen skalierten Änderungserkennungsdatensätzen erzielen. Weiterhin können unsere vorgeschlagenen ChangerAD und ChangerEx als Ausgangsbasis für zukünftige MetaChanger-Designs dienen.