Keras中用于3D“图像”的数据增强

Question

我有一个用keras编码的DNN，它在粒子物理探测器中训练事件，事件看起来像这样：

我将这些坐标转换为“图像”，方法是先将特定的x-y平面转换为2D数组，然后将其展平。例如，如果我的事件只有3个坐标点：（1、1、1）; （1、3、1）和（2、3、2）。我采用前两个坐标（具有相同的z值）并将其转换为数组：

[[0, 0, 0],
[0, 0, 0],
[1, 0, 1]]

，然后输入下一个坐标：

[[0, 1, 0],
[0, 0, 0],
[0, 0, 0]]

然后我将两者像这样组合成一维数组并将其馈入网络：

[0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0]

然后我让网络尝试预测整个事件的重心。但是，我的模型并不能提供很好的准确性，我想可以通过使用数据增强来获得更多数据来改善它，但是据我所知，Keras对于3D数据没有像我所拥有的那样。关于如何解决该问题的任何建议？