中文引用格式： 林志浩，趙家池，程卓. 基于深度生成模型的點云生成算法綜述[J]. 電子技術(shù)應(yīng)用，2026，52(2)：7-14.
英文引用格式： Lin Zhihao，Zhao Jiachi，Cheng Zhuo. A survey of point cloud generation algorithms based on deep generative models[J]. Application of Electronic Technique，2026，52(2)：7-14.
引言
點云是由大量離散空間點構(gòu)成的非結(jié)構(gòu)化數(shù)據(jù)，能夠高效表達(dá)物體或場景的三維幾何結(jié)構(gòu)，已廣泛應(yīng)用于自動駕駛[1]、機(jī)器人導(dǎo)航[2]、醫(yī)學(xué)影像[3]等多個關(guān)鍵領(lǐng)域。近年來，激光雷達(dá)（LiDAR）、結(jié)構(gòu)光掃描、ToF相機(jī)等三維傳感技術(shù)的迅速發(fā)展，使高精度點云數(shù)據(jù)的獲取更加便捷高效，推動了點云相關(guān)算法的研究與應(yīng)用。
點云生成旨在合成具有真實感、結(jié)構(gòu)完整性和幾何多樣性的點云樣本，已成為三維視覺、計算機(jī)圖形學(xué)的研究熱點。生成的高質(zhì)量點云樣本不僅可用于數(shù)據(jù)增強(qiáng)、提升下游任務(wù)模型的魯棒性，還在三維內(nèi)容創(chuàng)作及醫(yī)學(xué)手術(shù)規(guī)劃等場景中具有重要價值。例如，Hu 等人[4]提出的 SG-GAN 模型從單張MRI圖像生成高精度的3D腦部點云，為微創(chuàng)手術(shù)提供三維導(dǎo)航支持，提升了術(shù)中導(dǎo)航的準(zhǔn)確度與可靠性。
然而，傳統(tǒng)的點云生成算法多依賴于人工設(shè)計的幾何先驗與顯式規(guī)則，難以有效建模復(fù)雜結(jié)構(gòu)的分布特性。近年來，深度生成模型以數(shù)據(jù)驅(qū)動的新方式學(xué)習(xí)點云三維結(jié)構(gòu)的潛在分布，無需人工設(shè)計幾何規(guī)則，即可生成高質(zhì)量樣本。代表性的模型包括生成對抗網(wǎng)絡(luò)、變分自編碼器、自回歸模型、歸一化流和擴(kuò)散模型，它們在生成樣本質(zhì)量、多樣性等方面各具優(yōu)勢。此外，部分研究開始探索不同生成模型的混合架構(gòu)，如Diff-pcg[5]等，以進(jìn)一步提升生成質(zhì)量與穩(wěn)定性，拓展了點云生成算法的技術(shù)邊界。
本文將詳細(xì)地介紹目前最新的基于深度生成模型的點云生成算法（分類如圖1所示），總結(jié)當(dāng)前面臨的挑戰(zhàn)，并對未來的研究方向進(jìn)行簡要探討。
本文詳細(xì)內(nèi)容請下載：
http://m.tom3567.com/resource/share/2000006962
作者信息：
林志浩1，2，趙家池1，2，程卓1，2
（1.寧波大學(xué) 信息科學(xué)與工程學(xué)院，浙江 寧波 315211；
2.浙江省移動網(wǎng)應(yīng)用技術(shù)重點實驗室，浙江 寧波 315211）
