本文综述点云场景流估计研究，涵盖FlowNet3D、FastFlow3D、DEFLOW、DifFlow3D等模型，涉及自监督训练、扩散概率模型、传感器融合与泛化方法，在FlyingThings3D和KITTI数据集上提升精度，实现毫米级估计。

本文介绍了一种可训练频率的量子模型的泛化方法，可以学习具有理想特性的生成器，并且可以在频谱中包含非常规间距的频率和灵活的谱丰度。该模型在解决 Navier-Stokes 方程时展示了真实效果和提高的准确性，可能是变分量子机器学习的合理默认选择。