远程感知变化字幕的注意力网络

Apr, 2023

Changes to Captions: An Attentive Network for Remote Sensing Change Captioning

Shizhen Chang, Pedram Ghamisi

TL;DR通过使用自然语言处理技术直接学习和分析遥感图像，本研究提出使用 Chg2Cap 网络处理双时相遥感图像变化标注任务，该网络包括 Siamese CNN 特征提取器、注重变化相关特征的自注意力编码器和 Transformer 生成器，并在两个典型遥感数据集上经过充分实验验证。

Abstract

In recent years, advanced research has focused on the direct learning and analysis of remote sensing images using natural language processing (NLP) techniques. The ability to accurately describe changes occurring

remote sensing natural language processing change captioning chg2cap network multi-temporal images

发现论文，激发创造

远程感知图像变化检索与标注的多模态框架

在多模态应用中，我们提出了一种创新的基于对比学习的模型，并利用 RS 数据集进行双时序遥感图像对的变化检测分析，实现了文本 - 图像检索功能。

Jun, 2024

邻域对比变换器用于变化说明

本文提出了一种基于邻域对比变换的改进模型，用于语义变化的描述。实验证明，该方法在三个场景不同的公共数据集上都实现了最先进的性能

Mar, 2023

基于大型语言模型的自动卫星图像描述生成

自动遥感图像字幕生成技术与大规模数据集、大型语言模型、遥感技术和基准模型等相关，能够解决遥感图像字幕生成领域的瓶颈问题。

Oct, 2023

变革代理：从变化检测和变化字幕逐步推进互动综合变革解释与分析

通过改变检测和改变标题、改变对象计数和改变原因分析等用户指令实现全面的改变解释和深入分析的交互式改变代理及其多层次改变解释模型的提出，利用 BI3 和 LPE、GDFA 来增强模型的特征表示能力，并通过 LEVIR-MCI 数据集的训练和广泛实验证明了其有效性和潜在潜力，为未来的研究提供了数据和代码。

Mar, 2024

基于图交互的遥感图像变化检测

提出了一种基于图交互网络的双时相遥感变化检测方法，并采用 ResNet18 作为骨干网络，在 GZ CD 数据集上取得了优异的性能。

Jul, 2023

用于标题和检索遥感图像的大规模语言模型

本研究提出了 RS-CapRet，一种远程感知任务的视觉和语言方法，主要用于图像字幕生成和文本 - 图像检索。通过对远程感知图像进行对比性语言 - 图像预训练，我们将高性能大型解码器语言模型与适应远程感知图像的图像编码器结合使用。RS-CapRet 能够为远程感知图像生成描述，并能够根据文本描述检索图像，以实现与现有方法相媲美的性能。定性结果表明，RS-CapRet 能够有效利用预训练的大型语言模型描述远程感知图像，并能够处理图像和文本的交错序列对话。

Feb, 2024

探索遥感图像描述生成的模型和数据

本研究旨在探讨如何准确、灵活地描述遥感图像。通过提出一些标注指导和构建大规模航空图像数据集，研究证明采用生成语言描述的方式可以全面地描述遥感图像内容。

Dec, 2017

Diffusion-RSCC: 遥感图像中变化描述的扩散概率模型

遥感图像变化标题生成（RSICC）旨在生成人类化语言，描述双时相遥感图像对之间的语义变化。我们提出了一种概率扩散模型来解决传统变化标题生成任务中的像素级差异对地形变化定位的影响，并在 LEVIR-CC 数据集上进行了广泛实验，展示了我们 Diffusion-RSCC 的有效性及其各个组成部分。

May, 2024

卫星字幕：大规模语言模型助力标注

通过使用遥感图像领域的 RSICD 数据集中提供的字幕，本文旨在解决字幕数据集中可能存在的信息和沟通缺陷问题，并通过进行 ChatGPT 语法纠正来增加字幕模型的性能准确性。

Dec, 2023

Changen2: 多时相遥感生成变化基础模型

我们提出了基于生成模型的变化数据生成器 Changen2，它能够通过自监督学习从未标记的单时相影像中生成时间序列影像及其语义和变化标签，具有优秀的时空可扩展性和迁移能力。

Jun, 2024