PointFlow

收录理由

PointFlow 是ICCV 2019一篇高引论文的官方PyTorch实现，核心思路是把三维点云建模为分布套分布的层次结构：第一层刻画形状的分布，第二层刻画给定形状后点的分布，每一层都用连续归一化流来学习。如果你在做生成式三维几何，比如为机器人合成训练数据、视角补全或形状修复，这个仓库是一个干净、可复现的基线，拿来和新一代扩散式点云生成器对比很合适。代码在变分推断框架里实现了两层流，既能对整体形状采样，也能从某个形状中采样任意数量的点；还带可视化点集的演示脚本以及一些工具和预训练支持。需要注意的是，这是2019年的学术实现，依赖库和底层管线需要针对当前PyTorch版本做适配，不太可能直接塞进生产流程。不过对研究级的几何生成来说，这个取舍很常见，也完全可以接受。