结合程序化三维图形与引导扩散的可扩展流程：用于白双孢蘑菇分割的照片级真实感合成训练数据生成
计算机视觉与模式识别
2025-12-10 v1
摘要
工业蘑菇种植越来越多地依赖计算机视觉进行监测和自动化收获。然而，开发精确的检测和分割模型需要大量精确标注的数据集，生产成本高昂。合成数据提供了一种可扩展的替代方案，但往往缺乏足够的真实感以泛化到现实场景。本文提出了一种新颖的工作流程，将Blender中的三维渲染与约束扩散模型相结合，自动生成高质量、标注精确、照片级真实感的白双孢蘑菇（Agaricus Bisporus）合成图像。该方法在保持对三维场景配置和标注的完全控制的同时，实现了照片级真实感，无需专业的计算机图形学知识。我们发布了两个合成数据集（每个包含6000张图像，描绘超过25万个蘑菇实例），并评估了在其上训练的Mask R-CNN模型的零样本性能。当在两个独立真实数据集（包括一个新收集的基准数据集）上进行测试时，我们的方法取得了最先进的语义分割性能（M18K数据集上F1 = 0.859），尽管仅使用了合成训练数据。虽然该方法在白双孢蘑菇上得到了验证，但所提出的流程可以轻松适配到其他蘑菇物种或其他农业领域，如水果和叶片检测。
引用
@article{arxiv.2512.08747,
title = {A Scalable Pipeline Combining Procedural 3D Graphics and Guided Diffusion for Photorealistic Synthetic Training Data Generation in White Button Mushroom Segmentation},
author = {Artúr I. Károly and Péter Galambos},
journal= {arXiv preprint arXiv:2512.08747},
year = {2025}
}
备注
20 pages, 8 figures