波导中δ势垒的存活概率:隧穿与共振研究

《Symmetry》:Survival Probability in Waveguides with Delta Barriers: A Study of Tunneling and Resonances

【字体: 大 中 小 】 时间:2026年08月28日 来源:Symmetry 2.2

编辑推荐:

  像素级标注双时相高分辨率影像成本高昂,因为标注者必须区分真实变化与由光照、季节、阴影和残余配准误差引起的伪变化。从时间对称性的角度看,未变化区域大致保持跨时间语义对应,而真实的建筑物变化在两次采集时间之间引入局部对称破缺。本文提出了BSCNet,一种用于二值建

  
像素级标注双时相高分辨率影像成本高昂,因为标注者必须区分真实变化与由光照、季节、阴影和残余配准误差引起的伪变化。从时间对称性的角度看,未变化区域大致保持跨时间语义对应,而真实的建筑物变化在两次采集时间之间引入局部对称破缺。本文提出了BSCNet,一种用于二值建筑物变化检测的半监督框架,该框架联合建模边界敏感差异和场景依赖尺度偏好。共享权重的MixTransformer提取多级双时相特征。边缘感知优化模块(Edge-Aware Optimization Module, EAOM)抑制空间不变通道响应,增强残差空间线索,并预测Sobel监督的边缘图。并行选择性上下文模块(Parallel Selective Context Module, PSCM)聚合具有不同感受野的深度可分离分支,并产生图像级尺度分布。多尺度边缘一致均值教师(Multi-scale Edge-Consistent Mean Teacher, MECMT)框架对齐指数移动平均教师与学生之间的最终预测、中间边缘表示和尺度选择分布。在WHU-CD和LEVIR-CD上,在5%、10%和20%的标注数据设置下进行的实验显示,相对于RCL、C2F-SemiCD和CutMix-CD均有持续改进。在5%标注数据下,BSCNet在WHU-CD上达到88.57%/79.49%的F1/IoU,在LEVIR-CD上达到88.88%/79.98%。额外的UAV-CD评估考察了向0.06米低空无人机影像的迁移,该影像包含建筑物和土地变化;在5%监督下,BSCNet获得68.07%/51.60%的F1/IoU。渐进式消融实验证实了边界、尺度和一致性组件的互补增益。
论文解读:BSCNet——面向半监督建筑物变化检测的边界感知与尺度自适应框架

高分辨率遥感建筑物变化检测通过比较不同时期获取的配准影像,识别新建、拆除或结构改造的建筑物,对于建筑库存维护、城市扩张分析、灾后评估和地理数据库更新具有重要意义。从时间对称性角度,未变化区域在两次观测中应保持近似的语义与结构对应,而真实建筑变化则引入局部时间不对称。然而,像素级标注双时相影像成本极高,标注者必须区分真实变化与光照、季节、阴影及残余配准误差造成的伪变化。现有监督方法依赖大量精确掩模,而半监督方法虽能利用未标注数据,却往往仅约束最终预测,未充分对边界定位和尺度选择相关的内部表示进行正则化。针对这些问题,研究人员提出了BSCNet,一种联合建模边界敏感差异与场景依赖尺度偏好的半监督二值建筑物变化检测框架。该研究发表在《Symmetry》期刊上。

BSCNet主要由三个模块组成:边缘感知优化模块(EAOM)、并行选择性上下文模块(PSCM)和多尺度边缘一致均值教师(MECMT)框架。共享权重的MixTransformer编码器提取多级双时相特征,EAOM通过抑制空间不变的全局通道响应并增强残差空间线索,构造边界感知的差异表示,同时利用Sobel算子生成边缘监督目标。PSCM采用四个不同感受野的深度可分离分支聚合多尺度上下文,并为每个影像对产生图像级尺度选择分布。MECMT则将均值教师一致性从最终预测扩展到中间边缘特征和尺度分布,使未标注样本能够同时约束轮廓定位和上下文支持相关的内部机制。实验在WHU-CD、LEVIR-CD和UAV-CD三个数据集上进行,其中WHU-CD为0.2米分辨率航空影像,LEVIR-CD为0.5米分辨率Google Earth影像,UAV-CD为0.06米低空无人机影像且包含建筑物与土地混合变化。

研究结果显示,在5%、10%和20%标注数据设置下,BSCNet在WHU-CD和LEVIR-CD上均持续优于RCL、C2F-SemiCD和CutMix-CD。在5%标注下,BSCNet在WHU-CD上取得88.57%的F1分数和79.49%的IoU,在LEVIR-CD上取得88.88%的F1和79.98%的IoU;在20%标注下,WHU-CD上F1/IoU提升至91.20%/82.59%,LEVIR-CD上为90.90%/83.31%。在UAV-CD跨平台迁移实验中,5%监督下F1/IoU为68.07%/51.60%,仍优于三个基线。渐进式消融实验表明,EAOM平均带来F1提高2.57个百分点、IoU提高3.84个百分点,主要提升召回率;PSCM进一步使F1提高2.19个百分点、IoU提高3.41个百分点,主要改善精确率;MECMT在两者基础上再贡献F1提高1.34个百分点、IoU提高2.16个百分点。分解实验验证了残差边缘调制优于直接掩膜,学习到的尺度分布优于均匀平均,且边缘一致性与尺度一致性具有互补作用。

讨论部分指出,边界建模、自适应感受野和内部一致性约束对于高分辨率建筑物变化检测至关重要。但BSCNet仍存在局限:使用固定0.5阈值生成伪标签,未进行自适应置信度过滤或区域重分配;PSCM产生的是图像级分支权重而非空间变化的尺度选择,因此无法在同一场景中同时为不同大小的目标独立选择感受野;MECMT也未显式校正错误的教师区域。这些解释了为何BSCNet能稳定改进经典基线,但整体精度低于部分近期采用伪标签细化或判别性重构的方法。UAV-CD实验进一步表明,跨平台迁移时,较高地面分辨率、异质变化和更强不确定性会降低绝对精度,凸显了未来需要更鲁棒的不确定性感知伪标签控制。

结论部分总结,BSCNet通过EAOM、PSCM和MECMT实现了边界敏感的残差表示、场景依赖的多尺度聚合以及预测-边缘-尺度三级一致性约束。在WHU-CD和LEVIR-CD上的多组实验证明了其有效性,补充的UAV-CD实验也显示出跨平台迁移潜力。该研究从时间对称性角度将变化检测视为对跨时间对应中局部对称破缺的定位,但这一解释是概念性的,并未在架构中引入严格的几何对称或等变约束。未来工作将探索空间自适应的尺度选择、不确定性感知的伪标签控制、区域级伪标签校正以及多类别和跨传感器变化检测。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号