DeFlow是一种新型的神经网络，通过使用门控循环单元（GRU）细化，实现了从基于体素的特征到点特征的过渡，并解决了体素化过程中点特定特征丢失的问题。它还通过考虑静态点和动态点之间的数据不平衡，设计了一种新型损失函数。评估结果表明，在大规模点云数据上，DeFlow在场景流任务中取得了最先进的结果，具有更好的性能和效率。