FOTBCD: un Benchmark su Larga Scala per il Rilevamento dei Cambiamenti Edilizi da Ortofoto e Dati Topografici Francesi

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

January 30, 2026

Autori: Abdelrrahman Moubane

cs.AI

Abstract

Introduciamo FOTBCD, un dataset su larga scala per il rilevamento dei cambiamenti degli edifici, ricavato da ortofoto francesi autorevoli e dati topografici edilizi forniti da IGN France. A differenza dei benchmark esistenti, limitati geograficamente a singole città o regioni ristrette, FOTBCD copre 28 dipartimenti della Francia metropolitana, di cui 25 utilizzati per l'addestramento e tre dipartimenti geograficamente disgiunti riservati per la valutazione. Il dataset copre ambienti diversificati urbani, suburbani e rurali con una risoluzione di 0,2 m/pixel. Rilasciamo pubblicamente FOTBCD-Binary, un dataset comprendente circa 28.000 coppie di immagini prima/dopo con maschere binarie a livello di pixel per i cambiamenti edilizi, ciascuna associata a metadati spaziali a livello di patch. Il dataset è progettato per il benchmarking su larga scala e la valutazione sotto condizioni di dominio shift geografico, con campioni di validazione e test estratti dai dipartimenti tenuti da parte e verificati manualmente per garantire la qualità delle etichette. Inoltre, rendiamo pubblicamente disponibile FOTBCD-Instances, un sottoinsieme annotato a livello di istanza comprendente diverse migliaia di coppie di immagini, che illustra lo schema di annotazione completo utilizzato nella versione completa a livello di istanza di FOTBCD. Utilizzando una baseline di riferimento fissa, confrontiamo FOTBCD-Binary con LEVIR-CD+ e WHU-CD, fornendo solide evidenze empiriche che la diversità geografica a livello di dataset è associata a un miglioramento della generalizzazione cross-dominio nel rilevamento dei cambiamenti degli edifici.

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.