生成式模型。生成式模型的核心是对一个数据分布进行参数化建模。多种经典的生成式模型己经被提出，以解决生成式建模的问题，如受限的玻尔兹曼机和自编码器。自从对抗生成网络的提出，对抗生成网络已经被广泛地应用到各种不同的生成式任务中。在二维图片领域，研宄人员们己经将应用在多种图像任务上，从图像生成，到图像超像素，再到图像的补全任务。在三维领域中，GANs也被应用到了诸多内容生成的任务之中。
点云深度学习网络。所提方法建立在面向点云数据的深度神经网络的成功之上。尽管已经有许多PointNet的改进工作被提出，PointNet的简单轻量和有效性使其在许多使用点云数据分析任务上广受欢迎。为了达到点云生成的目的，Achliopta等人提出先训练一个基于PointNet的自编码器，然后在这个自编码器所产生的隐式空间上训练ＧＡＮ来生成点云。本章所提出的方法基于这个点云生成框架，无需成对的监督数据，以一个不完整点云为输入，以完整形状的多模态分布空间为条件生成一个完整点云的补全结果。