我在代尔夫特理工大学计算机视觉实验室的学士论文中使用了这种方法。

目标是分析同一问题的不同方面：在一张未分类的乐高积木照片中识别乐高积木。我们使用 Blender 构建了一个小型真实数据集以及一个大型（相对）逼真的合成数据集。

就个人而言，我是从可解释人工智能 (XAI) 的角度来看的，但我的一些队友确实有更接近你的目标（图像分割、对象检测、分类）。

您可以在第 4.1 节中找到更详细的描述。

如果您有兴趣，我可以编辑此答案并提供更多详细信息。