整体架构与流程#

1. 孪生编码器 (Siamese Encoder): 模型的主干是一个孪生网络，即左右两个用于特征提取的 Encoder 分支，它们的网络结构完全相同，并且在训练过程中权重共享。

2. 多尺度特征提取: 将变化前 (T1) 和变化后 (T2) 的两张影像分别输入到孪生编码器中。编码器在下采样（缩小特征图尺寸）的过程中，会生成多个不同尺度的特征图，包含了从低层次（细节）到高层次（语义）的丰富信息。

3. 时空差异计算: 来自编码器同一层级的 T1 和 T2 特征图，会被成对地送入时空差异增强模块 (ST-DEM)，用于计算和增强它们之间的差异。

4. 多尺度特征融合: ST-DEM 输出的多个不同尺度的差异图，会自顶向下地通过自适应上下文融合模块 (ACFM) 进行融合，逐步恢复细节并生成最终的变化预测图。

核心模块 1：时空差异增强模块 (ST-DEM)#

目标： 更有效地对比两个不同时刻的特征图，找出真实变化，同时抑制由光照、季节等因素引起的“伪变化”。

为了实现这一目标，ST-DEM 设计了两个并行的分支：

1. 减法分支 (Subtraction Branch):

   • 将 T1 和 T2 的特征图进行逐元素减法 (Element-wise Subtraction)，直接获取差异信息。
   • 而后使用坐标注意力机制，对差异特征进行加权，让模型重点关注最可能是真实变化的区域，忽略潜在的噪声区域。

2. 连接分支 (Concatenation Branch):

   • 将 T1 和 T2 的特征图在通道维度上进行连接 (Channel-wise Connection)，这种方式保留了更丰富的原始信息，让网络自行学习如何融合。
   • 同样，后续也使用坐标注意力机制来增强有效特征。

最终，这两个分支在每个尺度上都会生成差异图，共同送入后续的融合模块。

核心模块 2：自适应上下文融合模块 (ACFM)#

目标： 将来自 ST-DEM 的多个不同尺度的差异图进行有效融合，逐步结合高层语义信息和低层细节信息。

ACFM 采用自顶向下的融合策略：

1. 特征上采样: 将更高层次（尺寸更小）的差异特征图 di+1，通过上采样 (up 操作，通常是双线性插值 + 卷积 + BN + ReLU) 放大到与当前低层次特征图 di 相同的尺寸。

2. 初步融合: 将上采样后的高层特征与低层特征进行逐元素相加。

3. 自适应权重生成:

   • 将相加后的融合特征复制一份，分别送入并行的最大池化 (MaxPool) 和平均池化 (AvgPool) 分支，以捕捉不同的特征统计信息。
   • 两个池化后的结果会经过一个共享的 MLP (多层感知机，由 1x1 卷积实现)，然后将两个 MLP 的输出相加。
   • 最后通过 Sigmoid 函数生成一个自适应的融合权重 w。

4. 加权融合:

   • 用权重 w 乘以低层次差异特征图 di。
   • 用 (1-w) 乘以经过上采样的高层次差异特征图。
   • 将这两个加权后的特征图再次进行逐元素相加，得到最终的融合输出。

这个过程会从最顶层的特征开始，逐层向下进行，最终在原始分辨率上生成精细的变化检测结果。