介绍了名为AnyChange的新变化检测模型，通过无关的自适应方法支持不同类型和数据分布的零样本预测和泛化。实验证明AnyChange在零样本变化检测方面有效，超过之前最佳结果4.4％。

介绍了AnyChange变化检测模型，支持零样本预测和泛化，有效性经实验证明。在SECOND基准测试中，F1分数超过之前最佳结果4.4％，并实现了可比较的准确性。

介绍了一种名为AnyChange的新变化检测模型，通过训练无关的自适应方法，在零样本预测和泛化的情况下支持不同类型和数据分布的变化检测。通过揭示和利用图像内部及图像间的语义相似性，实现了零样本变化检测能力。同时，提出了一种点查询机制，使得具备了零样本目标中心变化检测的能力。实验证明AnyChange在零样本变化检测方面有效，并在SECOND基准测试中取得了令人瞩目的成绩。

城市转型对个人和社区产生了深远的社会影响。本研究通过收集大规模的街景时间序列数据集，提出了一种端到端的变化检测模型，能够有效捕捉城市环境的实际变化，为城市转型的精细评估提供了可能。