48、PD-Flow：基于归一化流的点云去噪框架

PD-Flow：基于归一化流的点云去噪框架

1. 维度增强的好处

维度增强为普通流提供了额外的优势：
- 泛化能力提升 ：增强后的归一化流（NFs）是普通流的推广，用户可以自由调整额外维度 $D_a$，使其能够建模更复杂的函数。
- 特征灵活性增强 ：增强的维度为流变换之间的中间点特征（如第 3.2 节中的 $h_l$）提供了更多的灵活性和表达能力，避免从头提取高维特征。
- 去噪自由度增加 ：在解纠缠阶段，增强的维度增加了噪声过滤的自由度，这对于原始点云只有 $D_p = 3$ 维的情况特别有帮助。

虽然增强维度会增加流模块 $F$ 的网络规模，但开销很小。计算开销主要取决于 $F$ 内部变换单元的隐藏层大小 $D_h$，而不是输出维度 $D_p + D_a$。

2. 统一的噪声解纠缠管道

考虑到 NFs 的可逆性，原始点 $\tilde{P}$ 和潜在变量 $\tilde{z}$ 在不同域中共享相同的信息。在整个去噪管道中，只在解纠缠模块中处理点特征，这展示了 NFs 的特征解纠缠能力。

此外，不引入额外的网络模块来预测逐点位移或上采样到目标分辨率。利用流的可逆性可以在正向和反向传播之间共享参数，有助于减少网络规模并避免使用解码模块。

3. 实验设置

3.1 数据集

• PUSet ：是 PUNet 的一个子集，包含 40 个用于训练的网格和 20 个用于评估的网格。