文章目录
1. 概要
发表在TVCG 2021期刊
一句话介绍: 将点云生成 转化为 拓扑表达学习的问题来解决。
2. 动机
特征捕获:使用层次混合模型= Self-attention + Tree Structure
生成器:非监督方式
3. 方法
3.1 整体框架:
生成模型包括两个模块:OGC + SAG
OGC:2个BAN模块来上采样生成的 Z Z Z + ϕ \phi ϕ函数调整从子节点继承来的信息。就是几基本图结构。
SAG:基于图网络的自注意力机制模块
本质上得益于图结构+自监督模式
3.2 OGC块中的BAN模块:
BAN: branching and adjustment Network。
图初始化
BAN定义:下图左
初步图初始化当中BAN定义为公式(1)
ϕ α \phi_{\alpha} ϕα ϕ β \phi_{\beta} ϕβ 是用来调整信息继承的权重, W b \mathbf{W}_b Wb是可学习的矩阵。
所有的 ϕ \phi ϕ函数用来MPL实现。
X ( 0 ) \mathbf{X}^{(0)} X(0): 就是 latent code Z Z Z
X ( l ) \mathbf{X}^{(l)} X