【点云系列】SG-GAN: Adversarial Self-Attention GCN for Point Cloud Topological Parts Generation

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$Z$ + $\varphi$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）

${\varphi }_{\alpha }$ ${\varphi }_{\beta }$ 是用来调整信息继承的权重， ${\mathbf{W}}_b$是可学习的矩阵。
所有的$\varphi$函数用来MPL实现。
${\mathbf{X}}^{(0)}$: 就是 latent code $Z$
X ( l ) \mathbf{X}^{(l)} X