ChangeFlow是一種創新的遙感變化檢測方法，由Blaž Rolih等人提出，論文於2026年5月14日提交至arXiv。該方法將變化檢測重新定義為潛在空間中的整流流生成問題，旨在克服現有判別式和生成式方法的侷限性。遙感變化檢測（RSCD）的目標是定位同一地理區域兩幅影像之間的變化。實際中，變化掩碼通常遵循區域級標註約定，而非純粹的區域性外觀差異，這使得它們依賴於上下文且有時具有歧義。大多數現有方法採用逐畫素判別分類，每個輸入僅產生單一預測，無法將變化區域顯式建模為一個連貫的整體。生成式公式可以建模可能的掩碼分佈，透過取樣捕捉歧義並促進全域性一致性，但現有生成式RSCD方法通常由於畫素空間生成的高計算成本以及條件機制的複雜性而落後於強大的判別式基線。
ChangeFlow透過在潛在空間中使用整流流來合成變化掩碼，顯著降低了計算開銷，同時保留了生成式模型的優勢。它採用結構化的輕量條件訊號引導生成，其隨機設計自然支援基於取樣的預測整合。透過聚合多個預測的變化掩碼，提高了魯棒性，而樣本一致性則提供了實用的置信度估計，能夠突出顯示模糊區域。在四個基準資料集（包括LEVIR-CD和BCDD等）上，ChangeFlow平均F1達到80.4%，比之前最佳方法平均提高1.3個百分點，同時推理速度與近期強基線（如ChangeFormer）相當。該方法在效率與效能之間取得了良好平衡，為遙感變化檢測提供了一種高效且可靠的解決方案。專案頁面提供了更多詳情和程式碼連結。