利用python解决哈希表的算法题，提供解题思路。

【代码】读论文|利用GAN生成三维点云WarpingGAN: Warping Multiple Uniform Priors for Adversarial 3D Point Cloud Generation。

一、回忆Farthest Point Sampling算法过程（建议详细看完）我们选取一个点云，我们假设整个点集为一共有n个点，来进行算法的讲解。随机在整个点集中选取一个点作为起始点，并且放入集合中，其中集合B为我们采样后的点集。计算剩余n-1个点到的距离，并且选择距离最大的点，假设为，并将这个点写入集合。计算剩余n-2个点距离集合B中的点的距离，并选取最小的距离值假设为，其中假设点为，再计算n-

利用深度学习，对点云做上采样

一、回忆Farthest Point Sampling算法过程（建议详细看完）我们选取一个点云，我们假设整个点集为一共有n个点，来进行算法的讲解。随机在整个点集中选取一个点作为起始点，并且放入集合中，其中集合B为我们采样后的点集。计算剩余n-1个点到的距离，并且选择距离最大的点，假设为，并将这个点写入集合。计算剩余n-2个点距离集合B中的点的距离，并选取最小的距离值假设为，其中假设点为，再计算n-

注意！注意！注意！如果没有安装vs+pcl，请出门右拐，找一些vs配置pcl的教程。（加油，配置过程中时刻告诉自己，我可以的）

一、回忆Farthest Point Sampling算法过程（建议详细看完）我们选取一个点云，我们假设整个点集为一共有n个点，来进行算法的讲解。随机在整个点集中选取一个点作为起始点，并且放入集合中，其中集合B为我们采样后的点集。计算剩余n-1个点到的距离，并且选择距离最大的点，假设为，并将这个点写入集合。计算剩余n-2个点距离集合B中的点的距离，并选取最小的距离值假设为，其中假设点为，再计算n-

利用深度学习，对点云做上采样

利用深度学习，对点云做上采样