少数クラスのデータが不足するクラス不均衡問題は、少数クラスのデータが不足することで分類器の一般化性能が低下するという点にあります。本論文では、多数クラスの豊かな文脈情報を背景画像として活用することで、多様な少数クラスサンプルを拡張する新たな少数クラスオーバーサンプリング手法を提案します。少数クラスサンプルの多様性を高めるための鍵となるアイデアは、多数クラスから得られる豊かな文脈を持つ画像を背景画像として用い、少数クラスの画像をその上に合成することです。本手法はシンプルであり、既存の長尾認識手法と容易に組み合わせることが可能です。広範な実験およびアブレーションスタディを通じて、提案手法の有効性を実証しました。アーキテクチャの変更や複雑なアルゴリズムを用いずに、さまざまな長尾分類ベンチマークにおいて最先端の性能を達成しています。本研究のコードは、https://github.com/naver-ai/cmo にて公開されています。