본 논문은 데이터 불균형 문제를 해결하기 위해 경계 앵커 샘플 기반의 새로운 딥 제너레이티브 모델인 Anch-SCGAN을 제안합니다. Anch-SCGAN은 사전 학습된 MLP 분류기를 이용하여 앵커 샘플을 선택하고, 소수 클래스와 다수 클래스에 대한 두 개의 생성기를 사용하며, 클래스별 정보를 통합한 판별기를 포함합니다. 새로운 생성기 손실 함수와 점수 기반 전략을 통해 생성 과정을 안정화하고, 앵커 샘플을 이용하여 미세 조정하여 생성된 샘플의 정확도를 향상시킵니다. 16개의 실제 불균형 데이터셋을 이용한 실험 결과, Anch-SCGAN이 기존의 불균형 학습 방법들보다 우수한 성능을 보임을 보여줍니다.
