リモートセンシング画像における変化検出（Change Detection, CD）は地球観測分野において重要なタスクとされているが、しばしば複雑なデータと微小な変化という課題に直面している。本論文では、上記の課題に対処するため、周波数-時系列アテンションネットワーク（FTAN）を提案する。このFTANは、多次元畳み込み周波数アテンションモジュール（MCFA）およびインタラクティブアテンションモジュール（IAM）という2つの先進的なモジュールを組み合わせた構造を採用している。具体的には、MCFAモジュールは、マルチスケールの空間領域と周波数領域特徴を統合することで、変化検出における感度を向上させる点で重要な役割を果たす。MCFAの補完として、IAMはカテゴリ関連のトークンを集約し、異なる時系列フェーズ間のクロスアテンション情報を処理する。MCFAとIAMのシームレスな統合により、FTANネットワークは微小な領域やエッジの正確な検出能力を大幅に強化している。LEVIR-CDやDSIFN-CDといったデータセットにおける実験結果から、F1スコアおよびIoU指標において既存モデルを上回る優れた性能が確認された。本研究のコードおよび事前学習済みモデルは、https://github.com/chirsycy/FTAN にて公開される予定である。