CDMamba: 원격 감지 이미지 이진 변경 탐지에 지역적 단서를 Mamba에 통합하기

최근, 상태공간 모델 기반의 Mamba 아키텍처는 자연어 처리 작업에서 뛰어난 성능을 보이며, 원격 감지 변화 탐지(change detection, CD) 작업으로 빠르게 확장되고 있다. 그러나 대부분의 기존 방법들은 Mamba의 스캔 방식을 직접 수정함으로써 전역 수용 영역(global receptive field)을 확장하는 데 집중하며, 이진 CD와 같은 밀집 예측 작업에서 국소 정보(local information)가 가지는 중요한 역할을 간과하고 있다. 본 논문에서는 이진 CD 작업을 효과적으로 처리하기 위해 전역 특징과 국소 특징을 유기적으로 결합할 수 있는 모델인 CDMamba를 제안한다. 구체적으로, Mamba의 전역 특징 추출 능력과 컨볼루션(convolution)의 국소 세부 정보 강화 능력을 결합하여, 기존 Mamba 기반 방법이 세부 정보를 부족하게 제공하고 밀집 예측 작업에서 정밀 탐지가 어려운 문제를 완화하기 위해 스케일드 리지듀얼 컨볼루션 Mamba(Scaled Residual ConvMamba, SRCM) 블록을 제안한다. 또한 CD 작업에 요구되는 이시기(비타임) 특징 간 상호작용의 특성을 고려하여, 다른 시기의 전역/국소 특징에 의해 동적으로 안내되는 이시기 상호작용을 촉진하는 적응형 전역-국소 안내 융합(Adaptive Global Local Guided Fusion, AGLGF) 블록을 도입한다. 본 연구의 직관은, 다른 시기의 특징을 기반으로 하여 더 구분력 있는 변화 특징을 얻을 수 있다는 것이다. 제안된 CDMamba는 다섯 개의 데이터셋에서 실시한 광범위한 실험을 통해 기존 방법들과 경쟁 가능한 성능을 보였다. 특히 LEVIR+CD와 CLCD 데이터셋에서 F1 및 IoU 점수가 각각 2.10%/3.00%, 2.44%/2.91% 향상되는 결과를 기록하였다. 본 연구의 코드는 https://github.com/zmoka-zht/CDMamba 에 공개되어 있다.