同一套遥感变化检测模型先服务城区更新，后接入农田、海岸或另一座城市时，新的光谱、纹理和季节条件会改变输入分布。真正棘手的不是类别变多，而是标签仍只有“变化 / 未变化”，模型却可能在适应新区域时忘掉旧区域的边界判别。只测新区域精度，常把这种遗忘藏起来。
DSINet 针对这一类域增量变化检测问题提出双选择机制。它的价值不在于把某个网络名称搬进 GIS，而在于给影像生产团队一个可验证的原则：每次接入新区域，都同时验收新域适应与旧域保留。
DSINet 双选择架构
图：论文给出的 DSINet 双选择架构。
可核查事实：固定标签不等于固定难度
论文 arXiv v1 于 2026 年 7 月 2 日发布，页面标注为 ICANN-2026 论文。它定义的域增量变化检测保持 changed / unchanged 的固定二元标签空间，却连续面对不同地理域的输入分布；这正是跨区域影像生产中常见的“标签不变、外观变化”问题。
DSINet 使用 Mamba 风格的视觉状态空间模型上的师生孪生结构：共享编码器配合域特定解码器。其 Selective Spatial State Unit（S3U）分出两条路径：共享路径以二维 cross-scan 捕获全局、域无关结构；局部路径以轻量卷积提取域特定变化，随后做通道校准和残差融合。
在知识传递层，论文提出 concentration-balanced distillation（CBD）。CBD 以 hardness concentration 与 confidence concentration 平衡概率分配，目标是降低传统蒸馏中的过平滑和 mode collapse。论文还强调其状态空间骨干保持 O(N) 线性计算效率；这描述的是论文的方法性质，不是任何硬件上的统一时延承诺。
实验使用 SYSU-CD、CDD 与 PRCV 三套数据。SYSU-CD 采用 4,000 对 0.5 米航空影像，其中 3,000 对训练、1,000 对测试；CDD 选取 10,000 对训练图像和 3,000 对测试图像；PRCV 使用 6,000 对训练图像和 3,000 对测试图像。所有模型在单张 RTX 4090D 上训练 50 个 epoch，报告 F1、IoU、Mem F1 和 Mem IoU。
两阶段实验中，论文报告 DSINet 在 CDD 的 F1 为 83.67%、在 PRCV 的 F1 为 79.34%。在 SYSU→CDD→PRCV 三阶段序列后，它在基础 SYSU 域的 Mem F1 为 55.64%、在中间 CDD 域为 50.45%。这些数值只对应论文的数据、划分和训练设置，不能直接当作其他区域的交付指标。
问题为何发生：新区域会覆盖旧区域的空间线索
域增量变化检测并不新增“建筑”“道路”这类类别，而是让相同的二元变化目标在不同区域、季节和传感器条件下出现。新区域的域特定纹理若覆盖了可迁移的空间结构，模型就会把旧区域中有效的边界和上下文关系误当作过时特征。
因此，GIS 生产流程应将“新区域有多准”与“旧区域还剩多少能力”拆开记录。每次模型更新都需要固定的历史回归区、相同的掩码规则、版本化的阈值和按区域拆分的 F1/IoU；没有这些，所谓模型进步无法追溯。
核心机制：S3U 与 CBD 如何转成验收项
S3U 的启发是把稳定空间结构与局部域差异分开处理。工程上不必照抄网络实现，但应检查输入栅格的分辨率、配准、季相、云影掩码和辐射处理是否被版本化：这些差异决定了“域特定变化”究竟是业务信号还是数据处理噪声。
CBD 的启发是不要让新域预测的平滑程度掩盖边界退化。验收时应从概率图和二值结果同时检查：新域是否出现系统性漏报，旧域的边界是否被抹平，阈值改变是否只是把错误从漏报挪到误报。将旧域 Mem F1、Mem IoU 与新域 F1、IoU 放在同一更新记录中，才看得到稳定性与适应性的取舍。
技术路径：GIS 团队的增量更新
- 为每个地理域登记影像来源、分辨率、时相、配准版本、掩码和样本范围。
- 在接入新域前冻结旧域回归集，禁止把它混入新域训练或阈值调参。
- 同时输出新域 F1/IoU 和每个历史域的 Mem F1/Mem IoU，并保存混淆矩阵与概率栅格。
- 对显著退化的旧域保留上一模型、阈值和人工复核图层，形成可回退版本。
- 将模型版本、域序列、指标和验收结论写入每个变化图层的元数据。
检查清单
- 新域和旧域是否使用可复现的独立验证区。
- 是否同时记录 F1、IoU、Mem F1 与 Mem IoU。
- 是否检查概率图的过平滑、边界消失和背景偏置。
- 是否登记了影像处理、区域顺序和模型版本。
- 是否保留旧模型与人工复核的回退路径。
风险
DSINet 的结论建立在论文的 SYSU-CD、CDD、PRCV 数据和单卡训练设置上。不同的地物类型、时间间隔、传感器、标注规范和灾害变化速度都会改变结果。持续学习也不应成为跳过新区域标注核验的理由；它只能让更新过程更可测，而不能消除业务中的不确定性。
结论
DSINet 把跨区域变化检测的问题表述得很清楚：标签空间固定，但地理域不断改变。GIS 团队应把这个事实落实为双账本——新域适应指标与旧域记忆保留指标，并让每次更新都能回读数据条件、概率图和回退版本。这样，持续更新才不会以忘掉旧图斑为代价。