跳到正文
arXiv · 机器人与计算机视觉· Eunki Cho, Hyeon Bae Kim, Seong Tae Kim·· 23 天前AI 评分35

CoDeRNet:异构监督下变化检测与描述的选择性跨任务路由框架

CoDeRNet: Selective Cross-Task Routing under Heterogeneous Supervision for Change Detection and Captioning

AI 导读

CoDeRNet 提出一种统一框架,通过置信度分解路由机制在 LEVIR-MCI 和 WHU-CDC 数据集上实现强整体性能。该方法在提升描述生成的同时保持有竞争力的区域定位,验证了异构监督下条件信息转移对联合建模的重要性。论文已被 NeurIPS 2026 接收,代码与数据许可状态待定。

来源:arXiv · 机器人与计算机视觉 · arxiv.org