University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

TERRA-CD: Multi-Temporal Framework for Multi-class and Semantic Change Detection

TERRA-CD：多时相框架用于多类和语义变化检测

Omkar Oak, Rukmini Nazre, Rujuta Budke, Suraj Sawant

机构 * COEP Technological University, Pune, India（科帕尔技术大学，印度普纳） ； University of Massachusetts, Amherst, USA（马萨诸塞大学，美国阿姆赫斯特） ； North Carolina State University, USA（北卡罗来纳州立大学，美国） 纠错

AI总结 本文提出TERRA-CD数据集，包含2019和2024年的Sentinel-2影像对，用于多类和语义变化检测，采用多种深度学习方法评估其有效性。

Comments Paper presented at 11th International Congress on Information and Communication Technology (ICICT) 2026, London

Masked Autoencoders with Limited Data: Does It Work? A Fine-Grained Bioacoustics Case Study

受限数据下的掩码自编码器：它有效吗？一项细粒度生物声学案例研究

Wuao Liu, Mustafa Chasmai, Subhransu Maji, Grant Van Horn

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 本文研究了在有限数据下使用掩码自编码器进行生物声学分类的效果，发现预训练数据规模在中等规模细粒度任务中起主导作用，而领域特定数据的额外预训练可能降低性能。

Comments Workshop on Fine-Grained Visual Categorization (FGVC) at CVPR 2026. 8 pages, 6 figures