RemoteVAR: 원격 감측 변화 탐지를 위한 자기회귀 시각 모델링

RemoteVAR: Autoregressive Visual Modeling for Remote Sensing Change Detection

January 17, 2026

저자: Yilmaz Korkmaz, Vishal M. Patel

cs.AI

초록

원격 탐사 변화 탐지는 두 시점 간의 장면 변화를 위치 특정하고 특성화하는 것을 목표로 하며, 환경 모니터링 및 재해 평가와 같은 응용 분야에서 핵심적인 역할을 합니다. 한편, 최근 시각 자회귀 모델(VAR)이 인상적인 이미지 생성 능력을 보여주었지만, 제한된 제어성, 차선의 밀집 예측 성능 및 노출 편향으로 인해 픽셀 수준의 판별 작업에는 제한적으로 적용되어 왔습니다. 본 연구에서는 이러한 한계를 해결하기 위한 새로운 VAR 기반 변화 탐지 프레임워크인 RemoteVAR을 소개합니다. RemoteVAR은 교차 주의를 통해 다중 해상도 융합 이시점 특징에 자회귀 예측을 조건화하고, 변화 맵 예측에 특화된 자회귀 훈련 전략을 채택합니다. 표준 변화 탐지 벤치마크에서의 광범위한 실험을 통해 RemoteVAR이 강력한 확산 기반 및 트랜스포머 기반 기준선 대비 일관되고 상당한 성능 향상을 제공함을 보여주며, 원격 탐사 변화 탐지를 위한 경쟁력 있는 자회귀 대안을 제시합니다. 코드는 https://github.com/yilmazkorkmaz1/RemoteVAR에서 공개될 예정입니다.

English

Remote sensing change detection aims to localize and characterize scene changes between two time points and is central to applications such as environmental monitoring and disaster assessment. Meanwhile, visual autoregressive models (VARs) have recently shown impressive image generation capability, but their adoption for pixel-level discriminative tasks remains limited due to weak controllability, suboptimal dense prediction performance and exposure bias. We introduce RemoteVAR, a new VAR-based change detection framework that addresses these limitations by conditioning autoregressive prediction on multi-resolution fused bi-temporal features via cross-attention, and by employing an autoregressive training strategy designed specifically for change map prediction. Extensive experiments on standard change detection benchmarks show that RemoteVAR delivers consistent and significant improvements over strong diffusion-based and transformer-based baselines, establishing a competitive autoregressive alternative for remote sensing change detection. Code will be available https://github.com/yilmazkorkmaz1/RemoteVAR{here}.