クロスアテンションは必要なすべてです：トランスフォーマーを用いた関係性リモートセンシング変化検出

ディープラーニングに基づく変化検出手法は、画像から豊富な特徴を取得する強力な能力のおかげで広く注目されています。しかし、既存のAIベースの変化検出（CD）手法は主に3つの機能強化モジュール、すなわち、意味強化、アテンションメカニズム、および対応強化に依存しています。これらのモジュールのスタッキングは、大きなモデルの複雑性を引き起こします。これら3つのモジュールをシンプルなパイプラインに統合するために、関係性変化検出トランスフォーマー（RCDT）を提案します。これは、リモートセンシング変化検出タスクにおける新しくシンプルなフレームワークです。提案されたRCDTは、バイテンポラル特徴を取得するためのウェイト共有シアミーズバックボーン、バイテンポラル関係認識特徴を取得するためにオフセットクロスアテンションを実装する関係クロスアテンションモジュール（RCAM）、および高解像度制約による最終的な洗練された予測を達成するための特徴制約モジュール（FCM）の3つの主要コンポーネントで構成されています。4つの異なる公開データセットに関する広範な実験は、提案されたRCDTが他の競合手法と比較して優れた変化検出性能を示し、性能と複雑性の間で良好なトレードオフを実現することを示唆しています。本研究の理論的、方法論的、実験的知識は、クロスアテンションメカニズムを含む将来の変化検出努力に役立つことが期待されています。