本文提出了多种点云相似度评价方法，包括密度感知Chamfer距离（DCD）和可学习的Chamfer距离（LCD），并通过实验验证其在点云补全和特征表示学习中的有效性。此外，介绍了基于切片Wasserstein距离的算法和凹凸感知距离（CID），用于点云分析和药物设计等领域，展示了这些方法在性能和效率上的优势。