通过对单个噪声点云进行过拟合推断神经签名距离函数

该研究解决了从点云中准确估计签名距离函数（SDF）的问题，尤其在高噪声点云的情况下。作者提出了一种新颖的统计推理算法，能够在没有签名距离监督、干净点云或点法线的情况下，对数据驱动的先验进行微调，从而实现更好的泛化能力和更快的收敛速度。该方法在表面重建和点云去噪中表现优于现有最先进的方法，具有重要的实际应用价值。