PointGrow: 自己注意を用いたオート回帰的に学習されたポイントクラウド生成

3Dポイントクラウドを生成することは挑戦的でありながら非常に望まれています。本研究では、PointGrowという新しいオート回帰モデルを紹介します。このモデルは、セマンティックコンテキストに基づいて、またはゼロから多様で現実的なポイントクラウドサンプルを生成することができます。このモデルは再帰的に動作し、各ポイントは以前に生成されたポイントに基づく条件付き分布に従ってサンプリングされるため、ポイント間の相関関係を適切に活用し、3D形状生成プロセスをより良く解釈できます。ポイントクラウドオブジェクトの形状は通常、長距離依存関係によってエンコードされるため、特定の自己注意モジュールを用いてこれらの関係を捉えるようモデルを強化しています。広範な評価により、PointGrowは現実性と多様性の観点から、条件なしおよび条件付きのポイントクラウド生成タスクの両方で満足のいく性能を達成することが示されています。また、教師なし特徴学習や形状算術演算などのいくつかの重要な応用も示されています。