该文介绍了一种名为神经梯度学习（NGL）的深度学习方法，用于从三维点云中学习具有一致方向的梯度向量，并提出了基于局部平面几何的梯度向量优化（GVO）来细化粗糙的梯度向量。该方法具有高效的全局梯度近似性能和更好的局部特征描述的准确性和泛化能力，成为具有抗噪声、异常值和点密度变化能力的最先进的法线估计器。