点云补全是众多3D视觉任务重要模块。大多数点云补全方法在很大程度上依赖于成对的残缺-完整点云并以全监督方式进行学习。尽管它们在域内数据上的表现令人印象深刻，但泛化到其他形式的残缺点云或现实世界的残缺扫描时，由于域的差距，往往无法获得令人满意的结果。本期论坛我们邀请到了来自新加坡南阳理工大学的张俊哲同学，他提出了基于GAN逆映射的无监督点云补全方法ShapeInversion，不再需要成对的训练数据，并具有了显著的泛化能力。