FOTBCD: フランスのオルソフォトと地形データに基づく大規模建物変化検出ベンチマーク

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

January 30, 2026

著者: Abdelrrahman Moubane

cs.AI

要旨

本論文では、IGN Franceが提供する公式フランスオルソフォト及び地形建物データから構築した大規模建物変化検出データセットFOTBCDを提案する。既存のベンチマークが単一都市や限定地域に地理的に制約されているのに対し、FOTBCDはフランス本土28県にわたり、うち25県を学習用、地理的に分離された3県を評価用として確保している。本データセットは0.2m/ピクセルの解像度で、都市・郊外・農村など多様な環境を網羅する。約28,000組の前後画像ペアとピクセル単位の二値建物変化マスクから構成されるFOTBCD-Binaryを公開し、各ペアにはパッチレベルの空間メタデータを付与する。地理的ドメインシフト下での大規模ベンチマーク評価を目的とし、検証用・テスト用サンプルは評価用県から抽出し、ラベル品質を保証するため手動検証を実施した。さらに、数千組の画像ペアからなるインスタンスレベル注釈サブセットFOTBCD-Instancesを公開し、完全版FOTBCDで採用した注釈スキーマを具体例で示す。固定参照ベースラインを用いた評価では、FOTBCD-BinaryをLEVIR-CD+及びWHU-CDと比較し、データセットレベルの地理的多様性が建物変化検知のクロスドメイン汎化性能向上と相関することを実証的に示す。

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.