图 **:**对三维结构进行二维切片
SliceGAN 的工作原理与 GAN 类似。生成器负责生成材料的三维结构，而判别器则判断这些生成的三维结构是否合理。然而，SliceGAN 面临的一个关键问题是：我们通常并没有材料的三维结构数据，那么如何在训练样本缺失的情况下进行有效训练呢？
研究人员提出了一个巧妙的解决方案：他们将生成器所生成的三维结构进行切片，得到一系列二维图像，然后让判别器对这些切片图像进行评估，看它们是否与真实材料的二维切片进行比较。这样，即使没有完整的三维数据，系统仍然可以通过二维切片的对比学习，从而间接评估生成的三维结构是否合理。
为了进一步提高模型的性能，SliceGAN 在训练时采用了随机采样技术。具体来说，判别器并不是 直接对整个二维图像进行评估，而是随机选取部分图像区域进行学习。这样可以帮助模型更有效地学习材料的微观结构细节，从而提高三维重构的精度。