PointGrow：通过自注意力自回归学习的点云生成
计算机视觉与模式识别
2019-11-07 v3
摘要
生成 3D 点云具有挑战性但需求极高。本工作提出一种新颖的自回归模型 PointGrow，可从零开始或基于语义上下文条件生成多样且真实的点云样本。该模型循环运作，每个点根据其先前生成点的条件分布进行采样，从而充分利用点间相关性并更好地解释 3D 形状生成过程。由于点云物体形状通常由长程依赖编码，我们用专用的自注意力模块增强模型以捕捉此类关系。大量评估表明，PointGrow 在无条件与有条件点云生成任务上均取得令人满意的真实性与多样性性能。我们还展示了若干重要应用，如无监督特征学习与形状算术运算。
引用
@article{arxiv.1810.05591,
title = {PointGrow: Autoregressively Learned Point Cloud Generation with Self-Attention},
author = {Yongbin Sun and Yue Wang and Ziwei Liu and Joshua E. Siegel and Sanjay E. Sarma},
journal= {arXiv preprint arXiv:1810.05591},
year = {2019}
}