초록
변화 탐지는 장기 지구 관측 임무에 있어 중요한 도구입니다. 이는 시점별 이미지를 입력으로 받아 변화가 발생한 위치를 예측합니다. 다른 밀도 예측 작업들과 달리, 변화 탐지에서 고려해야 할 의미 있는 사항은 시점별 특징 간의 상호작용입니다. 이러한 동기를 바탕으로, 본 논문에서는 새로운 일반적인 변화 탐지 구조인 MetaChanger를 제안합니다. 이 구조는 특징 추출기에 일련의 대체 상호작용 계층을 포함하고 있습니다. MetaChanger의 효과를 검증하기 위해, 우리는 단순한 상호작용 전략인 집합-분배(Aggregation-Distribution, AD)와 "교환"을 사용하는 두 개의 파생 모델, ChangerAD와 ChangerEx를 제안합니다. AD는 일부 복잡한 상호작용 방법에서 추상화된 것이며, "교환"은 시점별 특징을 교환함으로써 완전히 매개변수 및 계산이 필요 없는 연산입니다. 또한, 시점별 특징의 더 나은 정렬을 위해 흐름 이중 정렬 융합(Flow Dual-Alignment Fusion, FDAF) 모듈을 제안합니다. 이 모듈은 상호 정렬과 특징 융합을 가능하게 합니다. 특히, 우리는 Changer 시리즈 모델들이 다양한 규모의 변화 탐지 데이터셋에서 경쟁력 있는 성능을 보이는 것을 확인하였습니다. 더불어, 제안된 ChangerAD와 ChangerEx는 미래의 MetaChanger 설계를 위한 기초 기준선 역할을 할 수 있을 것입니다.