摘要
三维点云生成在三维场景建模与理解中具有重要应用价值。现实世界中的三维物体点云可通过一系列低层与高层结构（如表面、几何基元、语义部件等）进行有效描述。事实上，三维物体点云存在多种以点集分组形式表示的表达方式。现有的点云生成框架要么未在解决方案中考虑结构信息，要么假设并强制生成点云具有特定的结构或拓扑形式，例如由流形或表面组成的集合。在本工作中，我们提出一种新型解码器，能够在不预先假设任何特定结构或拓扑的前提下，生成具有结构化的点云。该解码器通过软约束机制，引导生成的点云遵循分层的根树结构。我们证明，只要具备足够的模型容量并允许一定程度的冗余，所提出的解码器具有极强的灵活性，能够学习任意的点集分组方式，包括任意的拓扑结构。我们在三维点云形状补全任务上对所提解码器进行了评估。结合现有框架中的编码器，实验结果表明，该方法在ShapeNet数据集上的点云补全性能显著优于当前最先进的方法。