arXiv · 06.08.2026 ·Машинное обучение

CogVis: новый подход к обнаружению изменений на снимках земной поверхности

Исследователи представили CogVis — архитектуру для обнаружения изменений на спутниковых снимках, работающую с произвольными семантическими категориями. В отличие от традиционных методов, которые объединяют временное восприятие, семантическую классификацию и верификацию регионов в единый процесс, CogVis разделяет эти задачи. Это позволяет снизить вычислительную избыточность и повысить стабильность результатов при анализе динамики земной поверхности по текстовым запросам.

Существующие системы Open-Vocabulary Change Detection (OVCD) часто сталкиваются с нестабильностью из-за переплетения разнородных задач в рамках одной модели. Авторы CogVis вдохновлялись принципами человеческого визуального восприятия, где распознавание изменений происходит через разделение контекста сцены и конкретных объектов. Такой подход позволяет модели эффективно адаптироваться к новым категориям объектов без необходимости переобучения или сложной перенастройки для каждого отдельного запроса.

Архитектура CogVis минимизирует дублирование вычислений, что критически важно для обработки больших массивов геопространственных данных. Разделение этапов восприятия сцены и верификации изменений позволяет системе точнее фокусироваться на целевых объектах, игнорируя фоновые шумы и естественные вариации освещения или сезонности, которые часто приводят к ложным срабатываниям в классических моделях компьютерного зрения.

Ключевые факты

CogVis решает проблему избыточных вычислений в задачах Open-Vocabulary Change Detection (OVCD).
Модель разделяет временное восприятие, семантическую дискриминацию и верификацию регионов на независимые этапы.
Подход имитирует когнитивные механизмы человеческого зрения для более точного распознавания изменений.
Система поддерживает работу с произвольными семантическими категориями, задаваемыми через текстовые запросы.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука Новый фреймворк для геопозиционирования объектов по кросс-видовым изображениям Исследователи представили единый одностадийный фреймворк для геопозиционирования объектов, который преодолевает ограничения традиционного 2D-сопоставления изображений. Система эффективно связывает данные с наземных камер или дронов с геопривязанными спутниковыми снимками, учитывая геометрические параметры сцены. Это решение позволяет точнее определять координаты объектов в условиях нехватки размеченных данных и различий в углах обзора камер. GitHub · Машинное обучение Lingbot-vision: новый подход к пространственному восприятию через самообучение Проект Lingbot-vision представляет собой реализацию методов самообучения (self-supervised learning) для задач пространственного восприятия. Исследование фокусируется на том, как модели могут эффективно извлекать геометрические и пространственные признаки из визуальных данных без необходимости в размеченных наборах данных, что является критически важным этапом для развития автономных систем и робототехники. arXiv · Машинное обучение VQ-VAD: новый метод обнаружения аномалий на основе анализа движений Исследователи представили VQ-VAD — новый метод обнаружения аномалий в видеопотоке, использующий векторное квантование для анализа динамики движений человека. Подход фокусируется на скелетных данных вместо обработки исходного видео, что позволяет эффективно отсеивать визуальные шумы, такие как изменение освещения или ракурса, а также соблюдать требования конфиденциальности при анализе систем видеонаблюдения. arXiv · Оценка и бенчмарки COCOLogic-V2: новый бенчмарк для проверки логических рассуждений ИИ Исследователи представили COCOLogic-V2 — специализированный набор данных для оценки способности моделей к визуальному индуктивному мышлению на реальных изображениях. В отличие от существующих тестов, сфокусированных на простых задачах, этот бенчмарк использует сложные логические противоречия и «трудные отрицательные» примеры, позволяя глубже анализировать интерпретируемость моделей, таких как CBM и системы программного синтеза. arXiv · Машинное обучение Повышение стабильности сегментации изображений в контексте через Concept Guidance Исследователи представили метод Concept Guidance для улучшения сегментации изображений в контексте (ICS). Подход позволяет моделям стабильно выделять целевые области на основе нескольких примеров без дообучения параметров. Новая архитектура минимизирует чувствительность нейросетей к вариациям входных данных, обеспечивая высокую точность сегментации даже при изменении условий запроса, что критически важно для надежности компьютерного зрения. arXiv · Исследования и наука Polycepta: новый метод оценки объектов для трекинга в реальном времени Исследователи представили метод Polycepta, направленный на улучшение систем многообъектного трекинга (MOT). Традиционные подходы в этой области часто полагаются на статические дескрипторы внешнего вида, которые не учитывают динамику сцены и требуют значительных вычислительных мощностей. Из-за высокой нагрузки на GPU разработчики систем реального времени нередко отказываются от использования визуальных признаков, ограничиваясь только анализом движения, что снижает точность сопровождения объектов при их перекрытии или резкой смене траектории. arXiv · Исследования и наука Геометрические foundation-модели научились определять перекрытие изображений Исследователи обнаружили, что геометрические foundation-модели (VGGT) способны определять ко-видимость — наличие общих поверхностей на разных изображениях — без специального обучения. Эта способность является эмерджентным свойством внутренних представлений модели, что позволяет эффективнее решать задачи 3D-реконструкции и робототехнической локализации даже в условиях минимального визуального перекрытия между кадрами. The Decoder · Исследования и наука Google DeepMind: видеогенераторы содержат универсальные модели мира Исследователи Google DeepMind представили проект GenCeption, доказывающий, что современные видеогенераторы обладают глубоким пониманием физики и структуры окружающего мира. Используя эти модели для классических задач компьютерного зрения, таких как оценка глубины и сегментация объектов, разработчики достигли результатов уровня SOTA, затратив при этом значительно меньше данных для обучения, чем специализированные системы машинного зрения. arXiv · Исследования и наука Новая метрика визуального сходства с учетом текстовых промптов Исследователи представили новый подход к оценке визуального сходства изображений, который учитывает контекстуальные предпочтения человека. В отличие от традиционных метрик, сводящих сравнение к единому скалярному значению, предложенный метод позволяет задавать фокус внимания через текстовые промпты. Это дает возможность оценивать сходство объектов по конкретным признакам, таким как форма, цвет или текстура, что критически важно для развития генеративных моделей. arXiv · Инфраструктура для агентов Video-DeepResearch: агент для анализа видеопотоков и глубокого поиска Исследователи представили Video-DeepResearch (Video-DR) — мультимодальный агент, способный анализировать непрерывные видеопотоки вместо статичных изображений. Система объединяет пространственно-временное обоснование с возможностями поиска в открытом вебе. Разработка направлена на решение проблем текущих моделей, которые часто игнорируют визуальные данные в пользу текстовых запросов, ограничиваясь лишь параметрическими знаниями при выполнении сложных исследовательских задач.

← Все материалы