Chamfer距离（CD）和Earth Mover的距离（EMD）是两个广泛采用的衡量两个点集之间相似性的指标。然而，CD通常对不匹配的局部密度不敏感，而EMD通常以全局分布为主，同时忽略了细节结构的保真度。此外，它们的数值范围不受限制，引起了离群值的严重影响。这些缺陷使它们无法提供一致的评价。为了解决这些问题，我们提出了一种新的相似性测量方法，即密度感知的倒角距离（DCD）。它由CD衍生而来，具有几个理想的特性。1）它可以检测密度分布的差异，因此与CD相比，它是一个更密集的相似性度量；2）它对详细的结构更加严格，在计算上比EMD明显更有效率；3）有界值范围鼓励在整个测试集中进行更稳定和合理的评估。我们采用DCD来评价点云的完成任务，实验结果表明，DCD既注意整体结构又注意局部几何细节，即使在CD和EMD相互矛盾的情况下也能提供更可靠的评价。我们还可以使用DCD作为训练损失，它在所有三个指标上都优于用CD损失训练的同一模型。此外，我们还提出了一个新的点判别模块，该模块估计了另一个指导性下降采样步骤的优先级，它在DCD下取得了明显的改进，同时在CD和EMD下都取得了有竞争力的结果。我们希望我们的工作能够为更全面和实用的点云相似性评估铺平道路。我们的代码将在以下网站提供：。

《Density-aware Chamfer Distance as a Comprehensive Metric for Point Cloud Completion》

论文地址: