MFE-Net：面向无监督多模态变化检测的模态不变特征提取网络

Zhe Li、Detong Wang、Sheng Fang等作者在预印本中提出模态不变特征提取网络MFE-Net，用于无监督多模态变化检测。作者称，现有方法通过深度学习将跨模态图像对齐到公共子空间，但未从中间特征中分离残余模态噪声，直接比较特征会导致对齐不佳与判别错误。MFE-Net由混合CNN-KAN编码器（HCK）与模态差异学习模块（MDLM）构成：HCK结合卷积神经网络的局部感知与Kolmogorov-Arnold网络的全局非线性建模以抑制模态噪声，MDLM以对抗式多任务学习分离模态不变成分与模态特定噪声。作者还设计差分特征增强模块（DFEM），通过Spearman秩相关融合特征级差异计算变化强度。作者称在六个真实数据集上的实验显示MFE-Net优于现有方法。该研究为预印本，尚未经同行评审。