从 Unity 仿真到基于扩散的增强：量化数据集平衡以实现鲁棒目标检测

现代计算机视觉模型在大规模标注数据集上训练时能够达到较高准确率。在建筑安全监测等关键领域，数据收集成本高、具有危险性，并且受到伦理约束。本文系统研究了两种互补的数据生成范式：(1) 基于 Unity Simulation 的渲染，以及 (2) 基于 Controllable Diffusion 的生成（CIA），用于真实数据稀缺条件下的目标检测。一个统一的实验框架支持在真实、仿真和生成数据源之间进行受控的数据集混合，同时保持相同的模型和训练设置。使用 Precision、Recall、mAP 以及自定义 $Δ$-metrics 进行的定量评估表明，无论是单独使用仿真还是生成增强，都无法获得最佳迁移能力。仅使用 Unity 训练相对于真实数据的 mAP@0.5 下降了 $-50\%$，而仅使用 CIA 训练的性能退化较轻，为 $-16.5\%$。混合组成显著提升了性能，其中 90\% 真实 + 10\% Unity 的配置取得了最佳整体 mAP@0.5，达到 $62.68\%$（较基线提升 $+7.64\%$），而 90\% 真实 + 10\% CIA 的配置使 precision 达到最高，为 $74.45\%$。结果表明，有限的合成数据引入能够增强泛化能力，而过度替代会导致领域漂移。