Die Veränderungsdetektion (Change Detection, CD) aus Fernerkundungsbildern (Remote Sensing, RS) mittels tiefen Lernverfahren ist in der Literatur umfassend untersucht worden. Sie wird typischerweise als eine pixelweise Klassifizierungsaufgabe betrachtet, bei der jedes Pixel als verändert oder unverändert klassifiziert werden soll. Obwohl pixelbasierte Klassifizierungsnetze in Encoder-Decoder-Architekturen dominieren, leiden sie weiterhin unter ungenauen Grenzen und unvollständiger Objektdetalisierung in unterschiedlichen Szenen. Für hochaufgelöste RS-Bilder sind teilweise oder vollständig veränderte Objekte von größerer Bedeutung als einzelne Pixel. Daher betrachten wir die CD-Aufgabe erneut aus der Perspektive der Maske-Vorhersage und -Klassifikation und stellen MaskCD vor, um veränderte Bereiche durch adaptives Generieren kategorisierter Masken aus Eingabebildpaaren zu detektieren. Konkret nutzt das Verfahren einen cross-level Change-Representation-Perceiver (CLCRP), um mehrskalige, veränderungsbewusste Darstellungen zu lernen und räumlich-zeitliche Beziehungen aus kodierten Merkmalen durch Ausnutzung einer deformierbaren Multihead-Self-Attention (DeformMHSA) zu erfassen. Anschließend wird ein auf maskenbasiertem Attention basierender Detektions-Transformer (MA-DETR) Decoder entwickelt, um veränderte Objekte präzise zu lokalisieren und zu identifizieren, indem er maskenbasierte und selbstbezogene Aufmerksamkeitsmechanismen nutzt. Die gewünschten veränderten Objekte werden durch Dekodierung der pixelweisen Darstellungen in lernbare Maskenvorschläge und anschließende endgültige Vorhersagen aus diesen Kandidaten rekonstruiert. Experimentelle Ergebnisse auf fünf Benchmark-Datensätzen zeigen, dass der vorgeschlagene Ansatz andere state-of-the-art-Modelle übertrifft. Der Quellcode und vortrainierte Modelle sind online verfügbar (https://github.com/EricYu97/MaskCD).