3D点群の学習と解析は、データの疎さと非規則性のために困難を伴います。本論文では、データ駆動型の点群アップサンプリング技術を提案します。この手法の核心的なアイデアは、各点に対して多レベルの特徴を学習し、特徴空間においてマルチブランチ畳み込みユニットを用いて点集合を暗黙的に拡張することです。拡張された特徴はその後、多数の特徴に分割され、これらの特徴がアップサンプリングされた点集合に再構成されます。我々のネットワークはパッチレベルで適用され、共同損失関数によりアップサンプリングされた点が基底面上に一様分布するように誘導されます。合成データとスキャンデータを使用して様々な実験を行い、我々の方法がいくつかのベースライン手法や最適化に基づく手法よりも優れていることを示しました。結果は、我々のアップサンプリングされた点がより一様であり、基底面に近い位置にあることを示しています。（注：「multi-branch convolution unit」を「マルチブランチ畳み込みユニット」と訳しました。「patch-level」を「パッチレベル」と訳しました。）