摘要

遥感变化检测（Remote Sensing Change Detection, RSCD）旨在通过双时相遥感图像识别地表变化，广泛应用于环境监测、灾害预警等多个领域。过去十年，在人工智能浪潮的推动下，基于深度学习的变化检测方法不断涌现，并取得了显著突破。然而，这些方法多聚焦于视觉表征学习，忽视了多模态数据的潜在价值。近年来，基础视觉-语言模型（如CLIP）为多模态人工智能提供了新范式，在下游任务中展现出卓越性能。受此趋势启发，本文提出一种新型框架——ChangeCLIP，该框架充分利用图像-文本对中的鲁棒语义信息，专门面向遥感变化检测任务。具体而言，我们对原始CLIP模型进行了重构，以提取双时相遥感图像的特征，并设计了一种新颖的差异特征补偿模块，用于捕捉两者之间的细粒度语义变化。此外，我们提出一种基于视觉-语言驱动的解码器，通过融合图像-文本编码结果与解码阶段的视觉特征，进一步增强图像语义表达能力。实验结果表明，所提出的ChangeCLIP在五个广泛使用的遥感变化检测数据集上均达到当前最优性能，具体表现为：LEVIR-CD（IoU: 85.20%）、LEVIR-CD+（IoU: 75.63%）、WHUCD（IoU: 90.15%）、CDD（IoU: 95.87%）和SYSU-CD（IoU: 71.41%）。ChangeCLIP的代码及预训练模型将公开发布于 https://github.com/dyzy41/ChangeCLIP。