ChangeFlow: 원격 센싱 변화 탐지를 위한 잠재 공간의 Rectified Flow

이 논문은 per-pixel discriminative 접근이 가진 지역적 일관성 결여와Ambiguity의 한계를 지적한다. ChangeFlow는 Change Detection을 latent space에서의 마스크 합성 문제로 재정의하고, 샘플링 기반 다중 예측으로 불확실성을 표현하며 전역적 일관성을 확보한다. SYSU, LEVIR, CLCD, OSCD 등 4개 벤치마크에서 평균 F1 80.4%를 달성해 기존 최강 방법 대비 1.3p 향상을 보이고, 추론 속도도 최근 강력한 기반 모델과 비슷한 수준으로 유지된다.

단계 1: RSCD는 일반적으로 pixel-wise discrimination으로 해결되지만, 이것은 지역 경계의 불확실성과 영역 간 경계의 흐림을 야기한다. 단계 2: ChangeFlow는 변화 마스크를 latent space에서 생성하는 생성적 관점을 채택하고, rectified flow를 통해 Gaussian 노이즈를 고정된 직선 경로로 X0→X1로 이행시키는 속도(Field) vθ를 학습한다. 단계 3: 변환은 VAE 인코더를 통해 압축된 마스크 잠재공간에서 이루어지며, 학습 중에는 x_t=(1−t)x0+tx1의 인터폴레이션과 logit-normal 타임스텝 샘플링으로 불확실한 구간에 더 집중한다. 단계 4: 추론 시 x0에서 시작해 Euler 적분으로 t를 진행하고 최종적으로 VAE 디코더를 통해 이진 마스크를 얻으며, 다중 샘플을 평균해 최종 예측과 불확실성 맵을 얻는다. 단계 5: ΔF는 F1·F2의 차이의 절대값으로 구성되며, 특징 공간에서의 변화 정보를 간접적으로 전달하고 간단한 resizing으로 VAE latent 차원에 맞춘다.

단락 1 — 전체 접근 방식: RSCD를 latent-space의 변화 마스크 합성 문제로 정의하고, rectified flow를 이용해 노이즈에서 데이터 분포로의 이행을 학습한다. 단락 2 — 핵심 메커니즘: x1과 x0는 각각 VAE 인코더로 인코딩된 change mask latent이며, X_t=(1−t)X0+tX1로 보간하는 동안 vθ(Xt,t)가 예측하는 속도장을 따라 노이즈를 μετα시킨다. 단락 3 — Conditioning과 학습: ΔF=|LN(F1)−LN(F2)|를 이용해 DiT에 조건을 전달하고, L_RF=||(x1−x0)−vθ(x_t,t)||^2를 최소화한다. 단락 4 — 학습 및 추론 세부: 데이터는 DINOv3 ViT-L 인코더로 추출하고, SD-XL VAE로 마스크 latent를 인코딩/디코딩한다. 타임스텝은 로그-정규 분포로 샘플링하며, 추론 시 T=10 스텝과 5개의 repetition으로 샘플링 기반 예측을 수행한다. 단락 5 — 앙상블과 속도-정확도 트레이드오프: x0의 다른 샘플들로 N개의 predictions를 얻고, ensembled mask를 얻으며, FLOPs 대비 FPS를 고려해 속도 조절 가능.

메인 벤치마크: ChangeFlow(10step, 5rep)는 SYSU 85.6, LEVIR 92.1, CLCD 84.5, OSCD 59.5, Avg 80.4를 달성. 이는 이전 최고(ChangeDINO) 대비 1.3p 상승이다. Ablation: Abs. diff. + LayerNorm이 최상의 성능을 보였고, Sub Abs. diff.나 Concat, NoNorm 등은 성능 저하를 보였다. Encoder: DINOv3가 평균적으로 가장 강력한 특성을 제공했다. VAEs: SD-XL VAE가 평균적으로 가장 우수했고, 16차원 latent를 가진 VAEs는 대체로 다소 열위했다. 추론 속도/효율: 10-step, 5rep 구성에서 ChangeFlow는 ChangeDINO와 비슷한 Throughput을 보이며, 1-step/5rep 구성도 비슷한 정확도에 대해 더 높은 속도를 제공한다. Pixel-space 디퓨전 기반 방법들보다 훨씬 빠르며, pixel-space generation에 의존하는 GCD-DDPM 대비 큰 속도 이점을 보인다.