RailGen：通过代理引导的小规模异物生成改进铁路入侵检测

长尾数据分布下的小目标检测是多媒体中一个基本但具有挑战性的问题。铁路异物检测 (RFOD) 体现了这一挑战，即容易混淆的小入侵和稀缺样本。为了解决这些问题，我们提出了一种生成增强检测范例，利用多模态图像生成来丰富稀有和小物体的特征空间。我们首先构建 RailGen，一个基于大型模型的多模态图像生成代理。在语义约束下，RailGen自动调用工具生成铁路场景、校准入侵位置、提取异物并融合成真实的入侵效果。该过程产生高质量的合成样本，有效地致密尾部类的特征表示并完善小对象特征空间。在这个范例中，我们进一步提出了 FocalDEIM，一个旨在增强生成数据训练的检测框架。 FocalDEIM通过Focal Modulation改进密集匹配，以更好地区分小物体，并采用Focal Loss来强调硬样本，从而缓解复杂铁路场景中类间边界模糊的问题。实验结果表明，RailGen可以生成高质量的小尺寸异物，将物体像素面积平均减少高达58倍和13.85倍。配备这些具有挑战性的样本，我们的范式在 mAP@50 和 mAP@(50-95) 上分别超过了基线 DEIM 5.6% 和 7.5%，并且优于现有的最先进方法。消融研究验证了 RailGen 的特征空间丰富性和 FocalDEIM 的边界辨别能力。该范例为安全关键应用中的长尾小物体检测提供了有效的多模态生成解决方案。