変化検出（Change Detection: CD）は、異なる時間に撮影された画像ペアにおいて発生した変化を特定することを目指しています。従来の手法では、ピクセルレベルでの変化マスクを予測するために特定のネットワークを一から設計していましたが、一般的なセグメンテーション問題に対処するのに苦労していました。本論文では、CDをセマンティックセグメンテーションに還元する新しいパラダイムを提案します。これは、既存の強力なセマンティックセグメンテーションネットワークを改良してCDを解くことを意味します。この新しいパラダイムにより、一般的なセグメンテーション問題を扱う主流のセマンティックセグメンテーション技術を利用でき、我々は変化検出に焦点を当てて研究することができます。また、我々はCDにおいて異なる変化タイプが存在し、それらを別々に学習すべきという新たな重要な洞察を提案します。これに基づいて、変化情報を抽出し、時系列特徴量を融合するモジュールMTF（Multi-Temporal Fusion）を開発しました。MTFは高い解釈可能性を持ち、CDの本質的な特性を明らかにします。そして、多くのセグメンテーションネットワークが我々のMTFモジュールを使用することでCD問題を解決できるように適応できます。最後に、ピクセルレベルで変化を検出するためのネットワークC-3PO（Change Detection - 3 Pixel Operation）を提案します。C-3POは特別な技巧なく最先端の性能を達成しており、単純かつ効果的であり、この分野における新しい基準とみなすことができます。当該コードは以下のURLで公開されています: https://github.com/DoctorKey/C-3PO.