点云损失函数 (Loss Functions for Point Clouds)

点云补全与生成任务中用于评估和训练的核心损失函数。从标准倒角距离到非对称加权机制的演变反映了对几何质量认识的深化。

Overview

点云生成的损失函数经历了从标准几何度量到感知加权度量的演进。早期广泛使用倒角距离（Chamfer Distance, CD）和推土机距离（Earth Mover's Distance, EMD），但这些度量存在固有限制。

倒角距离 (Chamfer Distance)

标准 CD 为每个点找最近邻并求和：
$$ CD(S_1,S_2) = \frac{1}{|S_1|}\sum_{x \in S_1} \min_{y \in S_2} |x-y|^2 + \frac{1}{|S_2|}\sum_{y \in S_2} \min_{x \in S_1} |x-y|^2 $$

问题：对称权重机制平等地惩罚局部细节偏差与全局结构缺失，导致模型收敛到安全的"平均形状"，产生点聚集（Point Aggregation）和非均匀分布。

推土机距离 (Earth Mover's Distance)

EMD 寻找两个点集之间的最优双射匹配：
$$ EMD(S_1,S_2) = \min_{\phi: S_1 \to S_2} \sum_{x \in S_1} |x - \phi(x)| $$

优势：对全局形状结构更敏感；劣势：计算复杂度高（$O(n^3)$），难以在大规模点云中直接使用。

改进型损失

HyperCD（双曲倒角距离）

在双曲空间中计算距离，为欧氏距离较小的匹配点对分配更高权重。逐步修正错误匹配，保留优良匹配。

FCD（灵活加权倒角距离）

将局部精度与全局完整性子目标解耦，通过非对称加权策略优先保证全局结构完整性。作为即插即用模块可使 DCD 降低约 12.4%。

扩散模型中的损失

扩散模型通常不使用 CD/EMD 作为训练损失，而是使用噪声预测损失（MSE on noise）或变分下界。CD/EMD 主要用于评估。

Related

• point-cloud-completion — 点云补全总览
• diffusion-model-3d — 扩散模型使用不同的训练目标

Sources

• 三维点云生成条件控制综述 — 2026