针对生成对抗网络(GAN)需要大量训练数据及点云数据稀缺且获取难度大的问题,提出一种基于少量数据集的三维点云生成模型。该模型首先通过重采样和水平旋转的方法实现数据增强,使第一级网络能够生成具有多样性的低分辨率点云;其次通过确保低分辨率点云与高分辨率点云之间的对应关系,实现点云的超分辨率生成;最后实现生成具有多样性的高分辨率点云。实验结果表明,在ShapeNet Part(ShapeNet Part Segmentation Dataset)数据集上,该模型的JS散度相较于Tree-GAN的JS散度下降了0.416,证明其性能优于Tree-GAN。
