本稿では、点群補完のための新たなスタイルベース点生成モデルである敵対的レンダリングを備えたSpareNet（Style-based Point Generator with Adversarial Rendering）を提案する。まず、点特徴における局所構造および全体形状を十分に活用するため、チャネル注意付きEdgeConvを導入する。次に、従来のフォールディング手法で用いられる特徴の連結構造が、複雑かつ忠実な形状の生成可能性を制限していることに着目する。StyleGANの成功に触発され、形状特徴をスタイルコードと捉え、フォールディング過程における正規化層を調整する方式を採用することで、形状生成能力を顕著に向上させる。さらに、従来の点群監視手法（例えば、Chamfer距離やEarth Mover’s Distance）が再構成点の知覚的品質を正確に反映できないことに気づく。これを解決するため、微分可能なレンダラを用いて完成点群を深度マップに投影し、複数視点から見た際の知覚的現実性を促進する敵対的学習を導入する。ShapeNetおよびKITTIにおける包括的な実験により、本手法の有効性が実証された。定量的評価では最先端の性能を達成するとともに、視覚的品質においても優れた結果を示した。