변화는 어디에나 존재한다: 원격 감지 영상에서 단일 시점 지도 학습 객체 변화 탐지

고해상도(HSR) 원격 감지 이미지에 대해, 이시점 감독 학습은 많은 쌍으로 라벨링된 이시점 이미지를 사용하여 변화 탐지를 주도해 왔습니다. 그러나 대규모 이시점 HSR 원격 감지 이미지를 쌍으로 라벨링하는 것은 매우 비싸고 시간이 많이 소요됩니다. 본 논문에서는 새로운 관점에서, 짝을 이루지 않은 이미지 내의 객체 변화를 감독 신호로 활용하여 변화 탐지를 위한 단일 시점 감독 학습(STAR)을 제안합니다. STAR는 짝을 이루지 않은 라벨링된 이미지만을 사용하여 고정확도의 변화 탐지기를 훈련시키고, 이를 실제 세계의 이시점 이미지에 일반화할 수 있게 합니다. STAR의 효과성을 평가하기 위해, 우리는 ChangeMixin 모듈을 통해 어떤 딥 의미 분할 구조도 재사용할 수 있는 간단하면서도 효과적인 변화 탐지기인 ChangeStar를 설계하였습니다. 포괄적인 실험 결과는 단일 시점 감독 하에서 ChangeStar가 기준 모델보다 크게 우수한 성능을 보임을 입증하며, 이시점 감독 하에서도 우수한 성능을 달성함을 보여줍니다. 코드는 https://github.com/Z-Zheng/ChangeStar에서 제공됩니다.