我们提出了 FM-ChangeNet，这是一种路径监督的变化检测框架，重新将双时态推理表述为特征空间中的连续传输，而非静态端点比较。给定编码的前后时态表示，我们构建了中间潜在状态，并学习一个时间条件的速度场 $\hat{v}_\theta(z_t,t)$ 沿着变换轨迹。这种路径式的表述限制了预测器在中间状态的连续体上，使其提供比传统的仅端点分割更密集且不模糊的监督信号，从而使模型能够显式捕获时间演变。学习到的速度场不仅是一个传输机制，也是变化的可解释表示：其大小作为空间局部变化线索，有助于区分真实的结构变化与照明变化和空间失配等干扰效应。我们开发了一种具有跨时态对齐、时间条件的粗到细流解码和统一目标的分层多尺度架构，该统一目标将流监督、轨迹一致性、空间正则化和分割损失耦合在一起。在遥感基准上的实验表明，所提出的框架能够生成更结构化和鲁棒的变化表示，同时实现了最先进的性能。
博主点评： FM-ChangeNet通过路径监督的方式为变化检测提供了新的视角，利用速度场的可解释性，有效提升了对变化的捕捉能力。这种方法在遥感领域的应用展示了其潜力，但仍需进一步验证其在其他领域的适用性。