3D 数据增强是一种用于扩展三维空间中机器学习任务训练数据集规模和多样性的技术。该过程涉及对三维对象应用各种变换，例如旋转、缩放、平移和翻转。这些变换有助于创建多个略微不同的原始数据版本，从而包含同一对象的新视角或变体。扩展的数据集变得更加稳健，使得模型能够更好地学习泛化能力和性能，因为它们暴露于不同的场景中。
3D 数据增强的一个常见应用是在计算机视觉领域，特别是与物体识别和分割相关的任务。例如，在机器人视觉中，开发人员可能会获取一辆汽车的三维模型并围绕不同轴进行旋转，以模拟各种视点。通过施加随机噪声或模拟不同的光照条件，开发人员可以模仿由于环境因素使物体外观不同的现实情况。因此，在这些增强数据上训练机器学习模型时，模型学会识别物体，而不论其在现实世界中的位置、方向或状态。
另一个实用的例子可以在医学影像中看到，其中像 MRI 或 CT 的三维扫描被增强以改善模型训练。在这种情况下，临床医生可能会对原始扫描施加轻微的旋转或弹性变形，帮助模型更有效地区分健康和病变组织。这种增强有助于减少过拟合的情况，即模型学习记忆训练数据而不是从中泛化。通过使用增强的三维数据，开发人员可以为现实应用创建更强大、更具韧性的模型，从而确保在各种条件和场景下更好的性能。