在接下来的工作中，作者应用卷积递归神经网络 (RNN) 来预测由 2D 图像序列表示的微观结构的时空演化。特别是，他们应用某种3D-CNN 和 LSTM架构来预测晶体生长：

在上图中，我们可以从一个测试用例中看到 RNN 预测 (P) 与地面实况 (G)，其中 RNN 基于 10 个输入帧输出 50 帧。

现在，这对我来说是新事物：RCNN 怎么可能生成图像作为输出？根据我（有限的）知识，能够在输出中生成新图像的唯一结构是生成对抗网络，如 GAN 和卷积编码器-解码器 NN（如 VAE），但显然作者通过单独堆叠 3D-Convs 和 RNN 来实现这些结果单位。

你见过这样的架构吗？