FOTBCD: Крупномасштабный бенчмарк для обнаружения изменений в зданиях на основе французских ортофотопланов и топографических данных

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

January 30, 2026

Авторы: Abdelrrahman Moubane

cs.AI

Аннотация

Мы представляем FOTBCD — масштабный набор данных для обнаружения изменений зданий, созданный на основе авторитетных французских ортофотопланов и топографических данных о зданиях, предоставленных IGN France. В отличие от существующих бенчмарков, географически ограниченных отдельными городами или небольшими регионами, FOTBCD охватывает 28 департаментов континентальной Франции, из которых 25 используются для обучения, а три географически изолированных департамента зарезервированы для оценки. Набор данных включает разнообразные городские, пригородные и сельские территории с разрешением 0.2 м/пиксель. Мы публикуем FOTBCD-Binary — набор, содержащий приблизительно 28 000 пар снимков "до/после" с пиксельными бинарными масками изменений зданий, каждая из которых снабжена метаданными о пространственном расположении патча. Набор данных предназначен для крупномасштабного тестирования и оценки в условиях географического доменного сдвига, при этом валидационные и тестовые выборки взяты из изолированных департаментов и вручную проверены для обеспечения качества разметки. Дополнительно мы публикуем FOTBCD-Instances — общедоступное подмножество с инстансной разметкой, содержащее несколько тысяч пар изображений, которое иллюстрирует полную схему аннотации, используемую в полной инстансной версии FOTBCD. Используя фиксированный базовый уровень, мы проводим сравнительный анализ FOTBCD-Binary с наборами LEVIR-CD+ и WHU-CD, предоставляя убедительные эмпирические доказательства того, что географическое разнообразие на уровне набора данных связано с улучшением междоменной обобщающей способности в задаче обнаружения изменений зданий.

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.