该论文提出了一种基于梯度的元学习算法，用于神经隐式形状表示，实现从部分或噪声观测数据中进行的几何重建。该方法比自动编码器的方法快一个数量级，并超过了基于编码器-解码器的池化网络集合编码器方法。

该论文介绍了神经隐式形状表示的概念，提出了一种基于梯度的元学习算法，以提高形状空间的泛化能力，实现从部分或噪声观测数据中进行的几何重建。该方法比自动编码器的方法快一个数量级，并超过了基于编码器-解码器的池化网络集合编码器方法。