BiFA: 이중시기 특징 정렬을 통한 원격 탐사 이미지 변화 탐지

딥러닝 기반 변화 탐지(CD) 기법의 성공에도 불구하고, 기존 방법들은 시간적(채널 및 공간적) 및 다중 해상도 정렬 측면에서 여전히 부족한 점이 있어, CD 과정에서 다양한 촬영 조건에 기인한 외부 요인(조도 변화 및 시점 차이)의 영향을 충분히 완화하지 못하는 한계를 지니고 있다. 본 논문에서는 이러한 문제를 해결하기 위해, 불필요한 요소의 영향을 줄임으로써 경량화된 방식으로 정밀한 CD 지도를 생성하는 이시점 특징 정렬(BiFA) 모델을 제안한다. 구체적으로, 시간적 정렬을 위해 이시점 상호작용(BI) 모듈을 제안하여 이시점 이미지의 채널 수준에서 정렬을 실현한다. 본 연구의 통찰은 특징 추출 단계에서 BI를 도입함으로써 조도 변화와 같은 간섭 요인을 효과적으로 억제할 수 있다는 점이다. 동시에, 차분 흐름 필드 기반 정렬 모듈(ADFF)을 제안하여 이시점 이미지 간의 오프셋을 명시적으로 추정하고, 시점 차이로 인한 부정확한 정렬 문제를 완화하기 위해 공간 수준에서의 정렬을 실현한다. 더불어 다중 해상도 정렬을 위해, 좌표 공간에서 연속적인 이미지 표현을 학습함으로써 다중 해상도 특징의 정밀한 정렬을 달성하는 암묵적 신경 정렬 디코더(IND)를 도입한다. 제안한 BiFA 모델은 6개의 데이터셋에서 기존 최고 수준의 방법들보다 우수한 성능을 보이며, 특히 학습, 시각 및 원격 탐사(LEVIR)+-CD 및 순이산대학교(SYSU)-CD 데이터셋에서 각각 F1 점수(F1)와 교차율(IoU)이 평균 2.70%/3.91% 및 2.01%/2.94% 향상되었으며, 다중 해상도 CD에 있어서 더욱 뛰어난 강건성을 보였다. 본 연구의 코드는 https://github.com/zmoka-zht/BiFA 에서 공개되어 있다.