点群のアップサンプリングは、三次元再構成におけるメッシュ品質において極めて重要である。近年、深層学習の発展に伴い、点群アップサンプリングに関する研究は著しい進展を遂げている。しかし、従来の手法は異なるアップサンプリング倍率に対する点群アップサンプリングを独立したタスクとして扱っているため、各倍率ごとに個別にモデルを学習する必要があり、実用的な応用においては計算およびメモリ使用量の点で非効率的かつ現実的でないという課題がある。この問題を解決するため、本研究では単一のモデルで任意のアップサンプリング倍率に対応可能な新しい手法「Meta-PU」を提案する。Meta-PUでは、残差グラフ畳み込み（RGC）ブロックから構成されるバックボーンネットワークに加え、RGCブロックの重みを動的に調整するメタサブネットワークを学習し、異なる数の点をサンプリングするためのファーサステサンプリングブロックを採用している。これらの2つのブロックを統合することで、単一のモデルのみを用いて任意の倍率で点群を連続的にアップサンプリングすることが可能となる。さらに実験の結果、複数の倍率を同時に学習することは相互に有益であることが明らかになった。このため、特定の倍率に特化して学習された従来の手法を上回る性能をMeta-PUは達成している。