在进行深入的技术分析之前，我们首先需要理解文档标题和描述所涉及的领域。标题《Fine-Grained Change Detection of Misaligned Scenes with Varied Illuminations》和描述表明本文献是关于一种细粒度变化检测技术的研究，这项技术旨在对在不同光照条件下错位的场景进行变化检测。
变化检测（Change Detection）是指在不同时间点获取的图像序列中检测出场景变化的技术。变化检测技术在视频监控、目标跟踪、图像分割和遥感等多个实际应用中至关重要。本研究的重点是检测细粒度、微小的变化，这在以往的研究中往往被忽视，因为之前的大多数变化检测方法主要集中在检测显著的大规模变化上。
为了解决在不同光照条件下正确识别实际场景变化与由光照变化引起的假变化之间的挑战，文献提出了一种可行的端到端方法来解决这一棘手的问题。这个方法首先通过主动相机定位快速将相机重新定位到与上次观察几乎相同的位置和姿态。为了保证观察中对微小变化的检测灵敏度和准确性，研究者在多次照明条件下拍摄一系列图像，并且只需要大致对齐到上一次的照明条件。
在给出两次观察的情况下，研究者将细粒度变化检测形式化为三个相关因素的联合优化问题，即面向法线的照明差异、相机几何校正流和真实场景变化掩膜。这三个因素以从粗到细的方式解决，并通过秩最小化实现可靠的变化决策。为了基准测试在多种照明条件下错位场景的细粒度变化检测，研究者构建了三个真实世界的数据集。广泛的实验展示了该方法与最先进的变化检测方法相比具有优越性，并且能够区分实际的场景变化与由照明变化引起的假变化。
接下来，我将对文档中的具体内容进行详细解读，并尽可能地使用中文回答，同时确保字数超过1000字。
文档内容中提到的“active camerarelocation”（主动相机定位）技术是指利用一定的技术手段快速地让相机回到与上次拍摄时相似的位置和姿态。这是为了减少相机移动引起的场景变化，从而更准确地捕捉到由场景本身变化引起的差异。这是变化检测中的一个关键步骤，因为如果相机的位置和姿态发生较大变化，那么即使场景本身没有变化，也可能检测到变化。
接着，文档中提到的“multiple illuminations”（多次照明条件）是指在不同的光照环境下对同一个场景进行拍摄。由于光照的变化会影响场景的成像效果，因此在变化检测过程中需要考虑光照变化对图像的影响。通过捕捉多组在不同光照条件下的图像，即使图像没有精确对齐到上一次的照明条件，也可以通过后续的算法处理来减少光照变化带来的影响。
文档中提到的“joint optimization problem”（联合优化问题）是指将变化检测的过程分解为三个相互关联的因素：面向法线的照明差异、相机几何校正流和真实场景变化掩膜。这三个因素相互依赖，需要通过联合优化的方法来解决。通过这种从粗到细的解决方式，可以逐步提高变化检测的准确度。
“rank minimization”（秩最小化）是处理联合优化问题的一种方法。秩最小化的目标是在不丢失关键信息的前提下，找到最优的解决方案。在这个上下文中，秩最小化被用于解决变化检测的优化问题，以确保变化检测的可靠性。
文档中提到的“three real-world datasets”（三个真实世界数据集）是为了测试和验证提出方法的实用性而构建的数据集。这些数据集包含在多变光照条件下捕捉到的真实场景变化。通过在这些数据集上进行实验，可以比较新提出的方法与其他现有的变化检测方法之间的性能差异。
在本研究中，成功地将细粒度变化检测问题分解并解决了检测灵敏度和准确性的要求。通过建立能够处理光照变化的方法，该技术具有区分实际变化与因光照变化而产生的假变化的能力。这项研究不仅为变化检测领域的研究者和从业者提供了一种新的工具，也为我们理解如何通过计算机视觉技术应对复杂场景变化提供了深入的见解。
落雨想念2015-10-19挺不错的资料，谢谢分享
