時空を旅するピクセル：基礎モデルを用いたリモートセンシング画像の変化検出におけるバイテンポラル特徴の統合

変化検出はリモートセンシング分野における重要な研究テーマであり、地表面の変化を観測・分析する上で不可欠な役割を果たしている。ディープラーニングに基づく手法の進展により、多くの成果が得られているものの、時空間的に複雑なリモートセンシング環境において高精度な変化検出を実現することは依然として大きな課題である。近年、汎用性および一般化能力に優れた基礎モデル（foundation model）の登場により、この課題に対する新たな解決策の可能性が示唆されている。しかし、データやタスク間のギャップを埋めることが依然として大きな障壁となっている。本論文では、SAM基礎モデルが持つ潜在的知識を変化検出に統合する新しいアプローチ「Time Travelling Pixels（TTP）」を提案する。本手法は、一般知識のドメインシフト問題を効果的に解決し、多時相画像の均質的・非均質的特徴を適切に表現するという課題にも対応している。LEVIR-CDデータセットにおける最先端の性能評価結果から、TTPの有効性が実証された。実装コードは以下のURLから入手可能である：\url{https://kychen.me/TTP}。