本文介绍了一种基于单时相影像的无监督变化检测框架，通过自我监督学习和图像补丁交换等步骤改善变化检测器性能。实验证明该框架在无监督情况下超过了代表性的方法，并对SOTA方法的F1值有了显著改进。

该文介绍了一种基于单时相影像的无监督变化检测框架，通过自我监督学习和图像补丁交换等步骤，以及模拟辐射差异来提高变化检测器的性能。该框架避免了标注多时相影像的昂贵和耗时过程，并在两个大规模数据集上实现了超过代表性方法的性能，对SOTA方法的F1值有了10.65%和6.99%的改进。