本文提出了一种用于RGB-D语义图像合成的多模态数据生成器，并通过鉴别器确保标签图和生成图像的语义一致性和真实图像与生成图像的感知相似性。实验证明该方法在RGB-D语义分割方案中表现出显著优势，并且通过在训练过程中混合真实图像和生成图像可以显著提高方案的准确性。