في الآونة الأخيرة، اكتسبت الفضاءات الزائدية (Hyperbolic Spaces) في سياق التعلم العميق غير الإقليدي شهرةً واسعة بفضل قدرتها على تمثيل البيانات الهرمية. نقترح أن من الممكن الاستفادة من الخصائص الهرمية المُوجَدة في الصور من خلال استخدام الشبكات العصبية الزائدية ضمن هيكلية GAN. وفي هذه الدراسة، تم اختبار تكوينات مختلفة تستخدم طبقات زائدية متصلة بالكامل في نماذج GAN وCGAN وWGAN، وفقًا لما نسميه HGAN وHCGAN وHWGAN على التوالي. تم قياس النتائج باستخدام مؤشري Inception Score (IS) وFréchet Inception Distance (FID) على مجموعة بيانات MNIST. ووفقًا للتراكيب المختلفة وانحناء الفضاء، تم تحقيق نتائج أفضل لكل من النسخ الزائدية المقترحة مقارنةً بنظيراتها الإقليدية.