원격 탐사 변화 감지는 특히 획득 간 장기간의 계절적 또는 다년간의 격차가 있는 경우, 이중 시계열 이미지 간의 공간적 정렬 불일치로 인해 어려움을 겪습니다. 본 논문은 기존 변화 감지 네트워크를 변경하지 않고 공간적 및 시간적 견고성을 개선하는 모듈식 파이프라인을 제시합니다. 이 프레임워크는 확산 기반 의미론적 모핑, 조밀한 등록, 잔차 흐름 개선을 통합합니다. 확산 모듈은 큰 외관 격차를 연결하는 중간 모핑 프레임을 합성하여 RoMa가 연속 프레임 간의 단계별 대응 관계를 추정할 수 있도록 합니다. 그런 다음 합성 흐름은 경량 U-Net을 통해 개선되어 원래 이미지 쌍을 공동 등록하는 고품질 워프를 생성합니다. LEVIR-CD, WHU-CD, DSIFN-CD에 대한 광범위한 실험을 통해 여러 백본에서 등록 정확도와 다운스트림 변화 감지 모두에서 일관된 개선을 보여 제안된 접근 방식의 일반성과 효과를 입증했습니다.
