FSG-Net: 고해상도 원격탐사 변화 탐지를 위한 주파수-공간 시너지 게이트 네트워크

초록

고해상도 원격탐사 이미지의 변화 탐지는 지구 관측 응용 분야의 초석으로 자리 잡고 있지만, 그 효율성은 종종 두 가지 중요한 과제로 인해 저해받습니다. 첫째, 모델이 시간적 변화(예: 조명, 계절)로 인한 복사 변이를 실제 변화로 오해함으로써 오탐지가 빈번하게 발생합니다. 둘째, 깊은 추상적 특징과 얕은 세부 정보가 풍부한 특징 사이의 무시할 수 없는 의미론적 차이가 효과적인 융합을 방해하여 경계가 불명확하게 나타나는 문제가 있습니다. 이러한 문제를 더욱 효과적으로 해결하기 위해, 우리는 의미론적 변화와 방해 요소를 체계적으로 분리하는 것을 목표로 하는 새로운 패러다임인 주파수-공간 시너지 게이트 네트워크(Frequency-Spatial Synergistic Gated Network, FSG-Net)를 제안합니다. 구체적으로, FSG-Net은 먼저 주파수 영역에서 작동하며, 차이 인식 웨이블릿 상호작용 모듈(Discrepancy-Aware Wavelet Interaction Module, DAWIM)이 다양한 주파수 성분을 구별하여 가짜 변화를 적응적으로 완화합니다. 이후, 정제된 특징은 시너지 시간-공간 주의 모듈(Synergistic Temporal-Spatial Attention Module, STSAM)에 의해 공간 영역에서 강화되어 실제 변화 영역의 두드러짐을 증폭시킵니다. 마지막으로, 경량 게이트 융합 단위(Lightweight Gated Fusion Unit, LGFU)는 고수준의 의미론을 활용하여 얕은 층에서 중요한 세부 정보를 선택적으로 게이트하고 통합함으로써 의미론적 차이를 해소합니다. CDD, GZ-CD, LEVIR-CD 벤치마크에서의 포괄적인 실험을 통해 FSG-Net의 우수성을 검증하였으며, 각각 94.16%, 89.51%, 91.27%의 F1 점수로 새로운 최첨단 기술을 확립했습니다. 코드는 출판 후 https://github.com/zxXie-Air/FSG-Net에서 공개될 예정입니다.

English

Change detection from high-resolution remote sensing images lies as a cornerstone of Earth observation applications, yet its efficacy is often compromised by two critical challenges. First, false alarms are prevalent as models misinterpret radiometric variations from temporal shifts (e.g., illumination, season) as genuine changes. Second, a non-negligible semantic gap between deep abstract features and shallow detail-rich features tends to obstruct their effective fusion, culminating in poorly delineated boundaries. To step further in addressing these issues, we propose the Frequency-Spatial Synergistic Gated Network (FSG-Net), a novel paradigm that aims to systematically disentangle semantic changes from nuisance variations. Specifically, FSG-Net first operates in the frequency domain, where a Discrepancy-Aware Wavelet Interaction Module (DAWIM) adaptively mitigates pseudo-changes by discerningly processing different frequency components. Subsequently, the refined features are enhanced in the spatial domain by a Synergistic Temporal-Spatial Attention Module (STSAM), which amplifies the saliency of genuine change regions. To finally bridge the semantic gap, a Lightweight Gated Fusion Unit (LGFU) leverages high-level semantics to selectively gate and integrate crucial details from shallow layers. Comprehensive experiments on the CDD, GZ-CD, and LEVIR-CD benchmarks validate the superiority of FSG-Net, establishing a new state-of-the-art with F1-scores of 94.16%, 89.51%, and 91.27%, respectively. The code will be made available at https://github.com/zxXie-Air/FSG-Net after a possible publication.

FSG-Net: 고해상도 원격탐사 변화 탐지를 위한 주파수-공간 시너지 게이트 네트워크

FSG-Net: Frequency-Spatial Synergistic Gated Network for High-Resolution Remote Sensing Change Detection

초록

Support