연구진은 64x64 해상도에서 DCGAN 스타일 모델을 활용해 방글라 필기체 문자 및 흉부 X선 이미지 데이터 부족 문제를 해결하기 위한 생성적 증강 연구를 진행했어요.
Inception Score (IS), Fr'echet Inception Distance (FID), t-SNE/UMAP 시각화 등을 통해 생성된 데이터의 충실도와 다양성을 평가하고, 실제 데이터와 생성된 데이터를 활용한 분류기 성능을 비교했어요.
생성적 증강은 샘플 다양성을 개선하고 제한된 데이터 환경에서 분류기 성능 향상에 기여하며, 간단하게 재현 가능한 프로토콜을 제시했어요.