开源了！ScenePaste：一个面向目标检测、分割和 OBB 的可控合成数据生成工具

当前版本：v1.1.0（MIT）
这一版主界面就能调：批量生成默认 + 目标外观预览；素材侧新增 抠图工作室（目录缩略图 / 手绘 / 点选 SAM2 / rembg·GroundingSAM2）。

做计算机视觉时，常见困境是：

模型已经能训了，但数据永远不够——尤其是长尾、小目标、遮挡和难背景。

真实工程里更麻烦的是：

• 某些类别特别少；
• 危险 / 异常场景很难采；
• cutout 只有几十个，换再多背景也还是那几个人 / 那几辆车；
• 原图很多，却还没画 LabelMe 多边形；
• 检测、分割、OBB 还要各整理一套标签；
• 想补难例，又得重新采集标注。

所以我开源了自己一直在用的工具：

ScenePaste —— 场景优先的可控合成数据工作室：抠图素材 → 可视化摆场景 → 目标外观增强 → 批量生成 → 多任务标注 → QA → 模型难例回灌。

GitHub： https://github.com/embed9669-alt/ScenePaste

欢迎 ⭐ Star。

右侧不用钻二级菜单：

• 批量生成默认：场景 Recipe / 目标外观 / Blend / 负样本比例
  → 直接服务「批量套用」和「大规模生成」
• 目标外观预览：选中实例后启用 Recipe，调亮度 / 对比度 / 饱和度 / 模糊，或「换一种」

快速预览（外观增强那一段）：

---

一、整条工作流：从抠图到数据闭环

训练时「随机贴一下」≠ 生产一套可控数据集。ScenePaste 要串的是：

抠图工作室 → 摆场景 → 外观多样化 → 设批量默认 → 自动标注 / 浏览 → QA 与难例回灌

步骤	动图	做什么
⓪ 抠图工作室	gif_00_cutout	打开文件夹 → 缩略图浏览 → 手绘 / 点选 / 自动抠图 → LabelMe
① 摆场景	gif_01_compose	放置 cutout，缩放 / 旋转构图
② 目标外观	gif_02_appearance	选中实例启用 Recipe，调滑条或换种子
③ 批量默认	gif_03_batch_defaults	右侧设场景 / 目标外观 / Blend / 负样本
④ Explorer	gif_04_explorer	浏览生成图与 Detect/Seg/OBB 叠加
⑤ 数据闭环	gif_05_data_loop	难例 / QA / 对比 / 策展 / 分片

普通原图 / LabelMe
        ↓
   抠图工作室（目录 + 缩略图）
        ↓
   可视化拖拽 / Scene Template
        ↓
   Object Appearance（单目标）
        ↓
   批量套用 / 大规模多进程生成
        ↓
   Scene Recipe（整图相机域）
        ↓
   Explorer / QA / Hard Mining

⓪ 抠图工作室（新）

很多项目卡在「还没多边形」。GUI 打开 抠图工作室…：

1. 打开文件夹… → 左侧显示目录路径、缩略图列表
2. 选模型（rembg / SAM2 点选 / GroundingSAM2）→ 下载并加载（进度可见，国内可勾 hf-mirror）
3. 设类别名 → 手绘 / 点一下分割 / 自动抠图 → 保存为 LabelMe JSON

pip install 'scenepaste[auto]'        # rembg
pip install 'scenepaste[grounding]'   # SAM2 / GroundingSAM2

① 摆场景

拖 cutout 上画布，滚轮缩放、Shift+旋转，把人和车摆到合理透视位置。

② 目标外观预览

选中实例 → 启用外观增强 → 选 mild / surveillance-object → 拖滑条或「换一种」。
只改 RGB，标签几何不动；保存 / 批量套用都会带上当前外观。

③ 批量生成默认

不必只在「大规模生成」对话框里找——右侧常驻：

选项	作用
场景 Recipe	整图相机域（camera-mild / surveillance…）
目标外观	批量默认 cutout 外观（推荐 mild）
边缘 Blend	alpha / gaussian / hard
负样本比例	纯背景负样本（大规模生成）
应用到全部实例外观	一键把默认 Recipe 写进当前画布全部实例

项目设置里也能改同一套默认项：

④ 浏览生成结果（Explorer）

生成后用 Dataset Explorer 翻图，看 Detect / Seg / OBB 等叠加是否贴合。

⑤ 数据闭环中心

难例挖掘、QA、真/合对比、策展、WebDataset 分片——都在同一个对话框里进。

---

二、为什么要做 Object Appearance？

素材少时，哪怕生成 10 万张，模型仍反复看到同一批具体目标。

v1.1 在粘贴前对单个 cutout 做可控外观变化：

Cutout → 几何 → Object Appearance → Color Match → Blend → Scene Recipe

内置：mild（推荐）/ surveillance-object / legacy / off
支持按类别覆盖、alpha-aware 边缘（避免 mask 外底色渗进目标）、每实例 metadata + QA 覆盖统计。

对我自己最有用的是 低分辨率退化：远距离目标不再「小却过分清晰」。

scenepaste generate ... \
  --object-appearance-recipe mild \
  --augmentation-recipe surveillance \
  --blend-mode gaussian

---

三、场景能力一览

可视化编辑：拖动 / 滚轮缩放 / Shift+旋转 / 翻转；模板可参数化 + 关系约束（左右上下、距离）。

放置约束：paste_zone / paste_zone:person + 近大远小。

一张图多任务：

Detect	Seg	OBB	Semantic	COCO
YOLO 框	多边形	旋转框	PNG mask	instances

Mask-first：被挡住的部分会从分割 / OBB / Semantic / COCO 里扣掉。

分布学习 / 难例回灌 / QA / 对比 / 多样性 / WebDataset，以及 GUI 数据闭环中心，都还在（见上面动图 ④⑤）。

---

四、安装与上手

Python 3.10～3.13

git clone https://github.com/embed9669-alt/ScenePaste.git
cd ScenePaste
pip install -e ".[gui-qt]"   # 镜像 SSL 不稳可加 --no-build-isolation

scenepaste gui

点 ★ 加载示例 → 需要素材时开 抠图工作室… → 拖几个目标 → 右侧开外观预览 / 设批量默认 → 批量套用或大规模生成。

CLI：scenepaste --help
文档：docs/OBJECT_APPEARANCE.md · docs/AUTO_MASK.md

---

五、适合谁？不吹什么？

适合：工业视觉、固定摄像头、人车检测、长尾少样本、需要 Detect/Seg/OBB 对照的项目。

不保证「一用就涨点」；不是新论文算法。
外观增强是确定性、离线、可复现的；区域换色 / Diffusion 换装故意没塞进核心。

最终仍要用独立真实验证集说话。

---

最后

如果你也遇到数据难采、cutout 太少、原图还没多边形、远距离目标不真实、想用模型弱点反推下一轮数据——可以试试 ScenePaste v1.1。

GitHub： https://github.com/embed9669-alt/ScenePaste

欢迎 ⭐ / Issue / PR。

ScenePaste — Scene-first synthetic dataset generation for computer vision.