杨天宇 谭台哲 王俊锴

摘要：随着三维点云数据在计算机视觉任务的逐渐流行，合成或重建高分辨率、高保真点云的能力变得至关重要。虽然深度学习模型最近在点云识别和点云分类任务中取得了成功，但点云生成任务还困难重重。本文提出了一种基于流模型的点云生成模型，使用深度学习技术训练好该模型之后，只需要从简单的高斯分布随机采样数据，然后通过我们的模型就可以产生全新的高质量的点云形状。基于我们模型生成的点云的质量比大多数现存的模型都要好，可以为其他一些任务提供很好的先验点云，比如三维重建、点云补全任务。

关键词：点云;生成模型;流模型 ;深度学习;先验点云

中图分类号：TP18      文献标识码：A

文章编号：1009-3044（2021）30-0033-04

开放科学（资源服务）标识码（OSID）：

3D Point Cloud Generation Method Based on Flow Model

TAN Tai-zhe， YANG Tian-yu， Wang Jun-kai

（School of computers science， Guangdong University of Technology， Guangzhou 510006， China）

Abstract： With the gradual popularity of 3D point cloud in computer vision tasks， the ability of high-fidelity point cloud to be synthesized or reconstructed gradually. Although the deep learning model has recently proposed a stream model-based point cloud generation model in point cloud recognition and point cloud classification tasks， after training the model using deep learning technology， it only needs to randomly sample data from a simple Gaussian distribution. Then we can generate a new estimated point cloud shape through our model. The quality of the point cloud generated based on our model is better than most existing models. It can provide a good prior point cloud for some other tasks， such as 3D reconstruction， and point cloud completion tasks.

Key words： point cloud; generative model; flow based model; deep learning; prior point cloud

1 引言

随着点云在自动驾驶、三维建模，考古与文物保护等任务的流行，研究点云成为了一种趋势。目前点云分类任务和点云目标检测任务已经取得了不错的成绩，然而，点云生成任务还比较少的研究。Diego等人在2019年提出了tree-GAN模型[8]，运用GAN来做点云生成，但是训练起来非常困难，不能生成指定的点云。P Mandikal在2019年的WACV通过编码器-解码器结构的网络生成稀疏的点云，但是其在密集点云的生成任务表现不佳。自从基于流模型的GLOW提出后，研究人员们视线再一次关注到流生成模型。来自康奈尔大学和英伟达的研究人员在2019ICCV提出了三维点云生成模型PointFlow，使得更多的研究人员关注到基于流模型三维点云的生成任务。……