RailSyn：诊断引导图像生成，用于铁路异物检测中的可追踪数据完成

铁路异物检测（RFOD）对于铁路安全运营至关重要，但真实的阳性样本稀缺，不能完全代表目标尺度、入侵关系、铁路场景、照明和恶劣天气等任务相关的变化。现有的合成增强可以改进 RFOD 检测，但其收益缺乏对由生成的数据补充的任务相关缺陷的明确说明。因此，我们引入了 RailSyn，一个诊断引导框架，包含一个真实参考的 Inspector 和一个符合需求的 Generator。 Inspector 从有限的真实观察中构造一个可变半径的经验覆盖，以定位候选完成区域并分析合成池。由此产生的审核确定了铁路环境、入侵语义和视觉一致性要求；生成器通过领域适应、代理计划的放置和物理接触关系以及计划一致的条件细化来解决这些问题。使用检查器，我们进一步跟踪跨代变体的表示空间变化；整个系统的局部壳占用率 $C_{gap}$ 达到 13.64%，它衡量了实际导出的完成区域的生成覆盖率。大量实验表明，AP50--95 的增益高达 4.9 个点，并且在九个主流检测器上都有一致的改进，展示了广泛的跨架构实用性。