FOTBCD: 프랑스 정사영상 및 지형 데이터 기반 대규모 건물 변화 탐지 벤치마크

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

January 30, 2026

저자: Abdelrrahman Moubane

cs.AI

초록

저희는 프랑스 국립지리원(IGN France)이 제공하는 권위 있는 프랑스 정사영상과 지형 건물 데이터에서 파생된 대규모 건물 변화 탐지 데이터셋인 FOTBCD를 소개합니다. 단일 도시나 제한된 지역에 국한된 기존 벤치마크와 달리, FOTBCD는 프랑스 본토 전역 28개 주에 걸쳐 있으며, 그중 25개 주는 훈련에, 지리적으로 격리된 3개 주는 평가를 위해 따로 확보되었습니다. 본 데이터셋은 0.2m/픽셀의 해상도로 도시, 교외, 농촌 등 다양한 환경을 포괄합니다. 우리는 약 28,000개의 전/후 이미지 쌍과 픽셀 단위 이진 건물 변화 마스크, 그리고 각각에 대한 패치 수준 공간 메타데이터로 구성된 FOTBCD-Binary 데이터셋을 공개합니다. 이 데이터셋은 지리적 도메인 변화 하에서의 대규모 벤치마킹 및 평가를 위해 설계되었으며, 검증 및 테스트 샘플은 확보된 평가용 주에서 추출되고 라벨 품질을 보장하기 위해 수동으로 검증되었습니다. 추가적으로, 우리는 FOTBCD의 전체 인스턴스 수준 버전에서 사용된 완전한 주석 체계를 보여주는 수천 개의 이미지 쌍으로 구성된 공개 인스턴스 수준 주석 하위 집합인 FOTBCD-Instances를 공개합니다. 고정된 참조 기준을 사용하여 FOTBCD-Binary를 LEVIR-CD+ 및 WHU-CD와 벤치마크한 결과, 데이터셋 수준의 지리적 다양성이 건물 변화 탐지의 교차 도메인 일반화 성능 향상과 관련이 있다는 강력한 경험적 증거를 제시합니다.

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.