CoDeRNet 论文提出选择性跨任务路由用于变化检测与描述
热点事件持续更新
CoDeRNet 论文提出选择性跨任务路由用于变化检测与描述
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
研究者提出统一框架 CoDeRNet，将变化检测与描述（CDC）重构为异构任务分支间的选择性信息路由问题，并引入 Confidence-Decomposed Routing（CoDeR）机制，把路由条件分解为接收方需求和发送方可靠性线索。该论文已被 NeurIPS 2026 接收。 在 LEVIR-MCI 和 WHU-CDC 数据集上，CoDeRNet 取得较强的整体 CDC 性能，尤其提升描述生成同时保持有竞争力的变化定位。作者称，收益来自显式建模选择性跨任务信息路由，而非单纯联合学习。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 13:48
CoDeRNet：异构监督下的选择性跨任务路由，用于变化检测与描述报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv · cs.AICoDeRNet：异构监督下的选择性跨任务路由，用于变化检测与描述
研究者提出统一框架 CoDeRNet，将变化检测与描述（CDC）重构为异构任务分支间的选择性信息路由问题，并引入 Confidence-Decomposed Routing（CoDeR）机制，把路由条件分解为接收方需求和发送方可靠性线索。在 LEVIR-MCI 和 WHU-CDC 上，CoDeRNet 取得较强的整体 CDC 性能，尤其提升描述生成同时保持有竞争力的变化定位。分析表明收益来自显式建模选择性跨任务信息路由，而非单纯联合学习。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 510月27日 11:00
- 近 24 小时变化
- –
0246
11:0012:0013:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。