원격 탐사 변화 탐지를 위한 상태 공간 모델 변화

Change State Space Models for Remote Sensing Change Detection

April 15, 2025

저자: Elman Ghazaei, Erchan Aptoula

cs.AI

초록

변화 탐지를 위해 자주 사용되지만, ConvNets와 Vision Transformers(ViT) 모두 잘 알려진 한계를 가지고 있습니다. 전자는 장거리 의존성을 모델링하는 데 어려움을 겪는 반면, 후자는 계산 비효율성으로 인해 대규모 데이터셋에서의 학습이 어려운 문제가 있습니다. 이러한 한계를 해결하기 위해 State Space Models에 기반한 Vision Mamba 아키텍처가 대안으로 등장했으며, 원격 감지 변화 탐지에 이미 적용되었습니다. 그러나 대부분 특징 추출 백본으로 사용되었습니다. 이 논문에서는 이중 시점 이미지 간의 관련 변화에 초점을 맞춰 불필요한 정보를 효과적으로 걸러내도록 특별히 설계된 Change State Space Model을 소개합니다. 변화된 특징에만 집중함으로써 네트워크 매개변수 수가 줄어들어 계산 효율성이 크게 향상되면서도 높은 탐지 성능과 입력 열화에 대한 강건성을 유지합니다. 제안된 모델은 세 가지 벤치마크 데이터셋을 통해 평가되었으며, ConvNets, ViTs 및 Mamba 기반 모델들을 훨씬 낮은 계산 복잡도로 능가하는 성능을 보였습니다. 구현은 논문 승인 후 https://github.com/Elman295/CSSM에서 공개될 예정입니다.

English

Despite their frequent use for change detection, both ConvNets and Vision transformers (ViT) exhibit well-known limitations, namely the former struggle to model long-range dependencies while the latter are computationally inefficient, rendering them challenging to train on large-scale datasets. Vision Mamba, an architecture based on State Space Models has emerged as an alternative addressing the aforementioned deficiencies and has been already applied to remote sensing change detection, though mostly as a feature extracting backbone. In this article the Change State Space Model is introduced, that has been specifically designed for change detection by focusing on the relevant changes between bi-temporal images, effectively filtering out irrelevant information. By concentrating solely on the changed features, the number of network parameters is reduced, enhancing significantly computational efficiency while maintaining high detection performance and robustness against input degradation. The proposed model has been evaluated via three benchmark datasets, where it outperformed ConvNets, ViTs, and Mamba-based counterparts at a fraction of their computational complexity. The implementation will be made available at https://github.com/Elman295/CSSM upon acceptance.