AIS-CycleGen：基于 CycleGAN 的高保真合成 AIS 数据生成与增强框架
机器学习
2026-01-13 v1 人工智能
摘要
自动识别系统（AIS）数据是海域情报感知的关键，然而其常常面临领域迁移、数据稀疏和类别不平衡问题，限制了预测模型的性能。本文提出了一种基于 Cycle-Consistent 生成对抗网络（CycleGAN）的稳健数据增强方法——AISCycleGen，专为 AIS 数据集设计。不同于传统方法，AISCycleGen 利用无配对域间翻译机制，生成高保真的合成 AIS 数据序列，无需配对的源-目标数据。该框架采用带有自适应噪声注入的 1D 卷积生成器，保留 AIS 轨迹的时空结构，增强生成数据的多样性与真实性。为验证其有效性，我们将 AISCycleGen 应用于多个基线回归模型，结果在各种海域领域均取得性能提升。结果表明，AISCycleGen 在当代 GAN-based 增强技术中表现优异，获得 PSNR 为 30.5 和 FID 为 38.9 的分数。这一发现凸显了 AISCycleGen 作为有效且可泛化的 AIS 数据集增强解决方案的潜力，提升了实际海洋情报应用中下游模型的性能。
引用
@article{arxiv.2601.06127,
title = {AIS-CycleGen: A CycleGAN-Based Framework for High-Fidelity Synthetic AIS Data Generation and Augmentation},
author = {SM Ashfaq uz Zaman and Faizan Qamar and Masnizah Mohd and Nur Hanis Sabrina Suhaimi and Amith Khandakar},
journal= {arXiv preprint arXiv:2601.06127},
year = {2026}
}
备注
25 pages, 16 figures