近日康奈尔大学研究人员发表新论文「学习渐变场以生成形状」。论文概要如下：在这项工作中，我们提出了一种从点云数据生成形状的新技术，可以将点云视为来自 3D 点分布的样本，这些 3D 点的密度集中在形状的表面附近。 因此，点云的生成等于将随机采样的点移动到高密度区域。 我们通过对未归一化的概率密度执行随机梯度上升来生成点云，从而将采样点移向高可能性区域。我们的模型可以直接预测对数密度场的梯度，并且可以根据基于得分的生成模型改编的简单目标进行训练。 我们证明了我们的方法可以达到点云自动编码和生成的最新性能，同时还可以提取高质量的隐式曲面。