3D-LMNet

• 先拿点云的ground truth学一个auto encoder，中间会得到一个latent vector。
• 再拿图像学一个encoder，使其得到的vector与auto encoder得到的latent vector更相近。
• 最后拿图像学到的encoder和点云学到的decoder作为从图像到点云reconstruction的encoder-decoder。
• 针对ill-posed problem，预测了与输入视图一致的多次重建。by learning a probablistic latent space with a novel view-specific ‘diversity loss’
• 实验：真实数据、合成数据，多个重建结果