本论文提出了一种名为PoLoPCAC的无损点云属性压缩方法，通过显式分布推断属性的任务实现压缩。实验证明，该方法比最新的G-PCCv23具有持续的比特率降低，并且在大多数序列上具有更短的编码时间和轻量级模型尺寸。

PoLoPCAC是一种高效且通用的无损点云属性压缩方法，适用于任意尺度和密度的点云。实验证明，PoLoPCAC比G-PCCv23具有更好的压缩效率和泛化能力，同时具有更短的编码时间和轻量级模型尺寸。

本论文介绍了一种高效通用的无损点云属性压缩方法PoLoPCAC，通过从群组先验中推断属性的显式分布来实现压缩。实验证明，该方法比最新的G-PCCv23在各种数据集上具有持续的比特率降低，编码时间更短，模型尺寸更小。