跨域变化检测
通过动态多原型交叉注意力与样本融合粘贴策略，有效缓解特征分布差异和样本不平衡，显著提升遥感图像变化检测的无监督域适应性能。
Fan, Rongbo · Jialin, Xie · 刘军民 · Yan, Zhang · 侯宏 · 杨建华
Knowledge-Based Systems 2025
通过动态多原型交叉注意力模块迭代更新多原型特征，并最小化全局多原型与高置信目标域原型间的邻域距离，实现域对齐，从而提升在无标签目标域上的检测性能。
提出样本融合与粘贴模块，生成变化区域的目标域风格新样本用于训练，从而缓解不同数据集间的样本不平衡问题。
在LEVIR、GZ、WH和GD四个数据集上的实验证实，DPCA能有效弥合源域和目标域之间的特征分布差距，显著提升无标签目标域的检测性能。