PhyUnfold-Net: 物理ガイド付き深層展開によるリモートセンシング変化検出の高度化

arXiv cs.CV / 2026/3/23

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

PhyUnfold-Netは、特徴差分を変化成分とノイズ成分に明示的に分解することで、二時点間のリモートセンシング変化検出のための物理ガイド付き深層展開フレームワークを提案する。
Iterative Change Decomposition Module（ICDM）は、混合された差異特徴を段階的に分離する多段ソルバーを展開し、照明条件・季節・大気の影響に対する頑健性を向上させる。
段階的な探索・制約損失（S-SEC）は、初期段階の成分分離を促進しつつ、後段のステップでノイズ成分の大きさを制約することで、退化解を回避しトレーニングを安定化させる。
Wavelet Spectral Suppression Module（WSSM）は、分解前に生じるスペクトルミスマッチを抑制し、難易度の高いベンチマークでの性能を向上させる。
4つのベンチマークにおける実験は、難条件下で最先端手法を上回る性能を示し、物理的事前知識と学習ベースのソルバーを組み合わせることの実用的価値を示している。

要約: 二時系列変化検出は、照明、季節、大気を含む取得差異に非常に敏感であり、これがしばしば誤警報を引き起こします。私たちは、実変化が特徴差分空間においてパッチ単位の特異値エントロピー（SVE）が偽変化より高いことを観察します。この物理的事前知識に動機づけられ、PhyUnfold-Net を提案します。これは、物理ガイド付きの深層展開フレームワークで、変化検出を明示的な分解問題として定式化します。提案された Iterative Change Decomposition Module (ICDM) は、多段階の解法を展開し、混合差異特徴を変化成分と雑音成分へと段階的に分離します。プロセスを安定化させるため、段階的探索・制約損失（S-SEC）を導入します。これは初期段階で成分分離を促進し、後半の段階で雑音の大きさを制約して退化解を回避します。さらに、分解前に取得に起因するスペクトル不整合を抑制するウェーブレットスペクトル抑制モジュール（WSSM）を設計します。4つのベンチマークに対する実験は、最先端手法を上回る改善を示し、困難な条件下での性能向上を示します。