提出一種基於漸近加權香農-切爾莫夫距離的損失蒸餾方法,可以模擬HyperCD的學習行為,並在多個基準數據集上取得新的最佳成果。
本文提出了一種基於非平衡最優傳輸映射（UOT-UPC）的新型無監督點雲補全方法，透過學習從不完整點雲分佈到完整點雲分佈的非平衡最優傳輸映射來實現點雲補全，並驗證了資訊雲距離（InfoCD）作為成本函數的有效性，特別是在處理類別不平衡問題上的優勢。
為了解決一對多映射問題，本文提出了一種新的損失函數——補全一致性損失，用於增強點雲補全網路的效能。
