写在前面：这篇文章发表在2020年Neurocomputing期刊上（sci,审稿周期六个月，难度适中）交大激动学院master发表的文章，目前没有找到源代码
摘要
本文提出了一个端到端的网络结构，实现不完整点云对象的补全功能。优点有：不需要额外的标签信息，直接处理点云数据；使用小的样本模型ModelNet40就能训练出令人惊艳的效果，泛化能力很强。
网络结构
Point Encoder GAN网络吸取了PointNet处理点云数据，Context Encodes自动编码，GAN生成问题的多种优点，因此取得了满意的结果。
结论
这篇文章直接处理点云数据，使用小样本数据集达到了令人满意的效果，模型的泛化能力比较强。潜在的应用是：enlarge点云数据集，将2.5D点云转化为3D(降低了数据采集的难度)。存在的不足：该网络的局部特征学习能力还有待加强，作者接下来考虑引进分层网络结构来获得更深的特征表示。 并没有发现亮点在哪里，文章中提到的优越性也不太让人信服，要是有源码就好了，可以愉快的验证（抄袭，捂脸）~~
