基于概率分布学习的高效树型点云生成网络

针对TreeGAN生成点云产生的不均匀性及模型训练效率低等问题,设计一种基于点云概率分布学习的高效树结构生成对抗网络Probability-TreeGAN,用以改善点云位置的准确性。该方法在生成器训练时分别学习了点云的概率分布信息以及树型生成网络中点云的特征信息,通过映射网络中学习的概率分布改变了点云的位置分布,不仅生成的点云分布更加均匀,而且点云的形状更具结构性。通过改变映射网络中初始的潜码,可以改变生成点云的局部特征。在ShapeNet Part数据集上的实验结果显示,该方法在飞机、椅子等单类及总体16类的JSD指标评估上均优于以往点云生成方法,与传统三维点云生成模型相比,生成的点云更加均匀,模型训练效率更高。