3次元点群はロボット工学や自動運転など幅広い分野で活用され，コンパクトな表面の表現として人気が高まっている．従来，点群のための深層生成モデルは，球状の潜在変数から一つの写像による変動をモデル化するように学習されており，点群のトポロジカルな構造を考慮していなかった．そのために，写像において変化する穴の数や交点を表現することができなかった．本論文では，複数の潜在ラベルを持つflow-based deep generative modelを提案する．さらに，相互情報量を最大化することで，ラベルによって条件付けされた各写像は，多様体におけるチャートのように点群のサブセットの写像に割り当てられ，既存手法ではぼやけたり穴の生成に失敗する傾向があったが，提案手法においては明確な境界を持つトポロジカルな構造を維持することが可能になった．実験結果により，提案手法はsampling-basedな点群生成手法の中で，生成と再構成において最高の性能を達成することが示された．
