Taming Generative Synthetic Data for X-ray Prohibited Item Detection

针对X射线违禁品检测模型训练中数据采集与标注耗时耗力的问题，现有合成图像方法多采用两阶段流程，需在第一阶段进行繁琐的前景提取，引入额外人工成本且效率低下。为此，提出一种基于文本到图像生成的一阶段X射线安检图像合成管道Xsyn，无需人工干预即可高效生成高质量合成数据。该方法引入交叉注意力优化（CAR）策略，利用扩散模型中的跨注意力图优化边界框标注，提升标注精度；同时设计背景遮挡建模（BOM）策略，在潜在空间显式模拟真实场景中常见的背景遮挡现象，增强合成图像的成像复杂性。据所知，Xsyn是首个在无需额外人工成本的前提下实现高质量X射线安检图像合成的方法。实验表明，该方法在多个公开X射线数据集和不同检测器上均显著提升违禁品检测性能，相比先前方法mAP提高1.2%，验证了其生成数据的有效性和泛化能力。