PU-GAN a Point Cloud Upsampling Adversarial Network

这篇是ICCV2019的一篇上采样论文。

Ps：学习论文时，我只备注重要的知识点。

一、Abstract

1、概括

存在问题	点云是稀疏、有噪音（outlier points）、不均匀的
作者目的	学习已有点的特征， 从而增加点， 并且使点的分布要均匀
采取方法	generative adversarial network (GAN)、Patch-based Upsampling
理由	GAN能够探索潜在空间中的各种点分布，能够更好的生成否合特征的点

2、文章的创新点

• Up-down-up expansion unit -------主要用上采样之后的结果和最初数据进行比较，得出误差
• Self-attention unit---------------------使点的特征靠的更近，提取到更多的特征
• Compound loss-----------------------处理点和点之间的距离，使得更加均匀

3、Question：GAN为何能够充分探索点的分布空间？它有什么特质？

二、Introduction

1、一些碎碎念的知识点（可忽略）

~fill small holes and gaps使点分布均匀来填补孔洞和缝隙

2、对以前的论文，作者认为它们网络的效果并不好，并不能从低质量的点云中生成完整、密集、分布均匀的