摘要

变化检测是遥感领域的一个重要研究方向，对于观测与分析地表动态变化具有关键作用。尽管基于深度学习的方法已取得显著进展，但在时空复杂性较高的遥感场景中实现高精度变化检测仍面临巨大挑战。近年来，基础模型（foundation models）凭借其强大的通用性与泛化能力，为解决该问题提供了新的可能。然而，如何弥合数据与任务之间的差距仍是亟待突破的难题。本文提出了一种名为“时间旅行像素”（Time Travelling Pixels, TTP）的新方法，该方法将SAM基础模型的隐式知识有效融入变化检测流程中，能够有效应对通用知识迁移中的领域偏移问题，并充分捕捉多时相图像中同质与异质特征的表达。在LEVIR-CD数据集上的实验结果表明，TTP达到了当前最先进的性能水平。代码已公开，可访问：\url{https://kychen.me/TTP}。