DDPM-CD : Modèles probabilistes de diffusion de débruitage comme extracteurs de caractéristiques pour la détection de changements

La détection de changements par télédétection est essentielle pour comprendre la dynamique de la surface de notre planète, facilitant le suivi des modifications environnementales, l’évaluation de l’impact humain, la prévision des tendances futures et le soutien à la prise de décision. Dans ce travail, nous proposons une nouvelle approche de détection de changements qui exploite, durant le processus d’entraînement, des images de télédétection non étiquetées disponibles commercialement, en pré-entraînant un Modèle Probabiliste Diffusif Débruitant (DDPM), une catégorie de modèles génératifs utilisée pour la synthèse d’images. Les DDPM apprennent la distribution des données d’entraînement en transformant progressivement les images d’entraînement en une distribution gaussienne à l’aide d’une chaîne de Markov. Lors de l’inférence (c’est-à-dire l’échantillonnage), ils peuvent générer un ensemble diversifié d’échantillons proches de la distribution d’entraînement, en partant d’un bruit gaussien, atteignant ainsi des résultats de synthèse d’images de pointe. Toutefois, dans ce travail, notre objectif n’est pas la synthèse d’images, mais l’utilisation du modèle pré-entraîné comme extracteur de caractéristiques pour une application ultérieure : la détection de changements. Plus précisément, nous fine-tunons un classificateur léger des changements en utilisant les représentations de caractéristiques produites par le DDPM pré-entraîné, conjointement avec des étiquettes de changement. Des expériences menées sur les jeux de données LEVIR-CD, WHU-CD, DSIFN-CD et CDD démontrent que la méthode proposée, DDPM-CD, surpasse significativement les méthodes d’état de l’art existantes en termes de score F1, d’indice d’intersection sur union (IoU) et de précision globale, mettant en évidence le rôle central du DDPM pré-entraîné comme extracteur de caractéristiques pour les applications ultérieures. Nous avons rendu disponible à la fois le code source et les modèles pré-entraînés sur https://github.com/wgcban/ddpm-cd.