LEVIR-MCI数据集训练出来的模型是否是集中于对道路和建筑的变化产生描述？

[RemGisNJU]

在尝试对其他遥感图像地物类型变化时（如植被、水体等）进行文本生成时，图像中若没有道路和建筑，则结果为the scene is the same as before

[Chen-Yang-Liu]

在尝试对其他遥感图像地物类型变化时（如植被、水体等）进行文本生成时，图像中若没有道路和建筑，则结果为the scene is the same as before

这是由于数据集中变化地物类别不均衡，这增大了模型学习的难度。可以在该论文[Remote sensing image change captioning with dual-branch transformers: A new method and a large scale dataset]中找到关于各个变化物体种类的比例：

[RemGisNJU]

好的，谢谢您！请问是否有对植被和水体进行变化检测的策略？

[Chen-Yang-Liu]

当前的变化描述数据集对于水体的数量是很少的，如果您只是想要研究语义变化检测（生成掩膜而非语言），您可以尝试使用一些语义变化检测数据集：https://blog.csdn.net/weixin_42990464/article/details/114403349

当前的变化描述数据集对于水体的数量是很少的，如果您只是想要研究语义变化检测（生成掩膜而非语言），您可以尝试使用一些语义变化检测数据集，例如SECOND数据集：https://blog.csdn.net/weixin_42990464/article/details/114403349