2D-WGAN 은 생성된 적대적 신경망(GAN) 프레임워크의 변형으로, 생성된 데이터 분포와 실제 데이터 분포 사이의 불일치 척도로 Wasserstein 거리를 도입합니다. WGAN은 교육 중 모드 붕괴 및 불안정성과 같은 기존 GAN의 일부 제한 사항을 해결하는 것을 목표로 합니다.
| 2DGAN의 CT-가짜 이미지-샘플 |
|---|
3D-WGAN (3D Wasserstein Generative Adversarial Network)은 볼륨 이미지 또는 포인트 클라우드와 같은 3차원(3D) 데이터를 생성하기 위해 특별히 설계된 WGAN의 변형입니다. WGAN의 원칙을 3D 데이터 생성 영역으로 확장합니다. 3D-WGAN은 3차원 의료영상, 컴퓨터 그래픽, 가상현실 등 다양한 분야에 활용되고 있다.
| 3DGAN의 CT-가짜 이미지-샘플 |
|---|
