SARAS-Net: 크기와 관계 인식 시아메즈 네트워크를 이용한 변화 탐지

변화 감지(Change Detection, CD)는 서로 다른 시점에서 촬영된 두 이미지 간의 차이를 찾아 변화 지도를 생성하여 해당 영역이 변경되었는지 여부를 나타내는 것을 목표로 합니다. 더 나은 변화 지도 생성 결과를 얻기 위해 많은 최신(State-of-The-Art, SoTA) 방법들은 강력한 구분 능력을 가진 딥 러닝 모델을 설계합니다. 그러나 이러한 방법들은 여전히 성능이 낮은 이유는 공간 정보와 객체 간의 스케일 변화를 무시하기 때문으로, 이로 인해 경계가 흐리거나 잘못될 수 있습니다. 또한, 두 개의 서로 다른 이미지 간의 상호작용 정보도 고려하지 않습니다. 이러한 문제들을 완화하기 위해, 우리는 스케일과 관계 인식 시아메즈 네트워크(Scale and Relation-Aware Siamese Network, SARAS-Net)를 제안합니다. 본 논문에서는 장면 변화 감지를 더욱 효과적으로 처리하기 위해 관계 인식 모듈, 스케일 인식 모듈, 그리고 크로스 트랜스포머 모듈 등 세 가지 모듈을 제안합니다. 우리의 모델을 검증하기 위해 LEVIR-CD, WHU-CD, DSFIN 등 세 개의 공개 데이터셋을 사용하여 실험을 수행하였으며, 최신(SoTA) 정확도를 달성하였습니다. 우리의 코드는 https://github.com/f64051041/SARAS-Net에서 확인할 수 있습니다.