UniChange：多模态大模型统一变革检测的新范式

南开大学HLT实验室提出的UniChange框架，首次将多模态大语言模型（MLLM）引入变化检测领域，实现跨数据集、跨传感器的统一变化检测能力，解决传统方法泛化难题，为该领域带来突破性统一解决方案。

什么是变化检测

变化检测通过比较同一区域不同时间的遥感图像，自动识别地表变化，应用于城市规划、环保、农业、灾害应急等领域。

传统方法的困境

1. 数据异构性：传统模型仅处理特定传感器数据（如光学、SAR），难以跨传感器泛化；
2. 变化类型多样：需为每种变化（建筑新建、植被生长等）单独设计模型；
3. 标注数据稀缺：成对时序图像及像素级标注成本高，限制模型规模与泛化。

核心创新：引入多模态大语言模型

将变化检测建模为视觉-语言理解任务：视觉编码器提取双时相图像特征，利用MLLM的语义理解能力分析变化，借助预训练知识提升泛化。

统一框架设计

• 数据层面：支持光学、SAR、多光谱等多模态数据，学习跨模态共享表示；
• 任务层面：输出像素级变化掩码+自然语言描述，实现精确定位与语义理解；
• 知识层面：利用MLLM预训练知识，具备零样本/少样本学习能力。

视觉编码与对齐

灵活编码策略适配不同传感器图像，通过对比学习实现视觉特征与语言模型语义空间对齐，为MLLM理解视觉信息奠定基础。

时序特征融合

采用注意力机制的时序融合模块，自适应关注变化区域，抑制未变化区域干扰，提升检测精度与鲁棒性。

语言解码与输出

融合特征送入MLLM解码，生成变化掩码及自然语言描述，支持多粒度输出（可选择仅掩码或同时文字描述）。

跨数据集泛化能力

在LEVIR-CD、WHU-CD等光学数据集及SAR数据集上表现优异，跨数据集应用时精度保持较高，减少对特定标注数据依赖。

跨传感器适应性

光学图像训练后可直接应用于SAR图像检测，无需额外SAR数据训练，解决真实场景中传感器数据不全问题。

变化描述准确性

能生成准确连贯的自然语言描述，说明变化类型、位置及程度，适用于人工审核或报告生成场景。

• 城市动态监测：自动识别新建建筑、道路施工等，为城市规划提供决策支持；
• 农业精准管理：监测作物生长、病虫害区域，优化资源投入；
• 环境保护：监测森林砍伐、湿地退化，评估生态政策效果；
• 灾害应急：对比灾前灾后图像快速识别受灾范围，跨传感器能力可应对云层遮挡（用SAR数据）。

技术启示

验证大语言模型引入遥感分析的可行性，可扩展至目标检测、地物分类等其他遥感任务。

未来展望

1. 多模态融合：融合LiDAR、地理矢量等更多数据源；
2. 开放世界检测：借助MLLM开放词汇能力，识别训练未见过的新变化类型。

结语

UniChange实现从像素分类到语义级变化认知的跃迁，将在地球观测、资源管理等领域发挥重要作用。