OT-MeanFlow3D：连接最优传输与 Meanflow 以实现高效的 3D 点云生成
机器学习
2026-03-20 v3
摘要
流匹配模型近期已成为连续生成建模（包括 3D 点云合成）的强大框架。然而，其部署受限于在推理时需要多个顺序采样步骤。MeanFlow 能够实现单步生成并显著加速推理，但通常难以逼近原始多步流的轨迹，导致样本质量下降。在本工作中，我们提出了一种最优传输增强的 MeanFlow 框架（OT-MF3D），用于高效且准确的 3D 点云生成与补全。通过引入基于最优传输的采样，我们的方法在保留单步推理的同时，更好地保留了底层多步流的几何与分布结构。在 ShapeNet 上的实验表明，与近期基线方法相比，生成和补全质量有所提升，同时相对于传统的扩散模型和流模型降低了训练和推理成本。
引用
@article{arxiv.2509.22592,
title = {OT-MeanFlow3D: Bridging Optimal Transport and Meanflow for Efficient 3D Point Cloud Generation},
author = {Elaheh Akbari and Shansita Sharma and Ping He and Ahmadreza Moradipari and Kyungtae Han and Hamed Pirsiavash and Yikun Bai and Soheil Kolouri},
journal= {arXiv preprint arXiv:2509.22592},
year = {2026}
}