ChangeMamba: スパティオテンポラル状態空間モデルを用いたリモートセンシング変化検出

畳み込みニューラルネットワーク（CNN）とトランスフォーマーは、リモートセンシング変化検出（CD）の分野で印象的な進歩を遂げています。しかし、両方のアーキテクチャには固有の欠点があります。CNNは受容野が限定的であるため、広範な空間コンテキストを捉える能力に制約がある可能性があります。一方、トランスフォーマーは計算量が多いため、大規模データセットでの学習や展開にはコストがかかります。最近、状態空間モデルに基づくMambaアーキテクチャが一連の自然言語処理タスクで優れた性能を示しており、上記の2つのアーキテクチャの欠点を効果的に補完することができます。本論文では、初めてMambaアーキテクチャのリモートセンシングCDタスクへの潜在力を探究します。二値変化検出（BCD）、セマンティック変化検出（SCD）、および建物損傷評価（BDA）それぞれに対応するフレームワークとして、MambaBCD、MambaSCD、およびMambaBDAを開発しました。これらの3つのフレームワークはすべて、最先端のVisual Mambaアーキテクチャをエンコーダとして採用しており、入力画像から全体的な空間コンテキスト情報を完全に学習することが可能です。変化デコーダについては、3つの時空関係モデリングメカニズムを提案し、これらは自然にMambaアーキテクチャと組み合わせることができ、その属性を十分に活用して多時相特徴量の時空相互作用を実現し、正確な変化情報を得ることができます。5つのベンチマークデータセットにおいて、提案したフレームワークは複雑な学習戦略やトリックを使用せずに現在のCNNおよびトランスフォーマーに基づく手法よりも優れた性能を示しており、MambaアーキテクチャがCDタスクにおいて持つ潜在力を完全に証明しています。さらに実験では、提案したアーキテクチャが劣化データに対して非常に堅牢であることが確認されました。ソースコードは以下のURLから入手可能となります：https://github.com/ChenHongruixuan/MambaCD