FOTBCD: Un Punto de Referencia a Gran Escala para la Detección de Cambios en Edificios a partir de Ortofotos y Datos Topográficos Franceses

FOTBCD: A Large-Scale Building Change Detection Benchmark from French Orthophotos and Topographic Data

January 30, 2026

Autores: Abdelrrahman Moubane

cs.AI

Resumen

Presentamos FOTBCD, un conjunto de datos a gran escala para la detección de cambios en edificaciones, derivado de ortofotos autorizadas francesas y datos topográficos de edificios proporcionados por el IGN de Francia. A diferencia de los benchmarks existentes, que están geográficamente limitados a ciudades individuales o regiones reducidas, FOTBCD abarca 28 departamentos de la Francia metropolitana, utilizando 25 para entrenamiento y reservando tres departamentos geográficamente disjuntos para evaluación. El conjunto de datos cubre diversos entornos urbanos, suburbanos y rurales con una resolución de 0.2m/píxel. Publicamos FOTBCD-Binary, un dataset que comprende aproximadamente 28,000 pares de imágenes de antes/después con máscaras binarias a nivel de píxel de cambios en edificios, cada una asociada con metadatos espaciales a nivel de parche. El conjunto de datos está diseñado para evaluación comparativa y evaluación a gran escala bajo desplazamiento de dominio geográfico, con muestras de validación y prueba extraídas de los departamentos reservados y verificadas manualmente para garantizar la calidad de las etiquetas. Además, publicamos FOTBCD-Instances, un subconjunto anotado a nivel de instancia que comprende varios miles de pares de imágenes, el cual ilustra el esquema de anotación completo utilizado en la versión completa a nivel de instancia de FOTBCD. Utilizando una línea de base de referencia fija, evaluamos FOTBCD-Binary comparándolo con LEVIR-CD+ y WHU-CD, proporcionando evidencia empírica sólida de que la diversidad geográfica a nivel del conjunto de datos está asociada con una mejora en la generalización cruzada de dominio en la detección de cambios en edificaciones.

English

We introduce FOTBCD, a large-scale building change detection dataset derived from authoritative French orthophotos and topographic building data provided by IGN France. Unlike existing benchmarks that are geographically constrained to single cities or limited regions, FOTBCD spans 28 departments across mainland France, with 25 used for training and three geographically disjoint departments held out for evaluation. The dataset covers diverse urban, suburban, and rural environments at 0.2m/pixel resolution. We publicly release FOTBCD-Binary, a dataset comprising approximately 28,000 before/after image pairs with pixel-wise binary building change masks, each associated with patch-level spatial metadata. The dataset is designed for large-scale benchmarking and evaluation under geographic domain shift, with validation and test samples drawn from held-out departments and manually verified to ensure label quality. In addition, we publicly release FOTBCD-Instances, a publicly available instance-level annotated subset comprising several thousand image pairs, which illustrates the complete annotation schema used in the full instance-level version of FOTBCD. Using a fixed reference baseline, we benchmark FOTBCD-Binary against LEVIR-CD+ and WHU-CD, providing strong empirical evidence that geographic diversity at the dataset level is associated with improved cross-domain generalization in building change detection.