论文信息

• 标题：Towards Generalizable Scene Change Detection
• 作者：Jae-Woo Kim, Ue-Hwan Kim
• 会议：CVPR 2025
• 论文链接：https://arxiv.org/abs/2409.06214
• 代码链接：https://github.com/AutoCompSysLab/towards-generalizable-scene-change-detection
• 关键词：场景变化检测、零样本学习、Segment Anything Model、泛化性、时间一致性

一、研究定位

1.1 大领域

计算机视觉与遥感图像解译

1.2 小领域

场景变化检测的泛化性问题——如何让变化检测模型在未见过的环境和时间条件下保持稳定性能

二、研究问题：从一个惊人的发现出发

2.1 问题来源

作者发现了一个被领域长期忽视的严重问题：现有场景变化检测（SCD）方法在研究数据上表现优异，但在真实世界中几乎失效。

具体而言，作者通过实验揭示了两个关键问题：

问题一：域泛化性崩溃