В данной статье представлен PCFM — подход на основе flow matching для завершения медицинских точечных облаков, который интегрирует Point Transformer v3 (PTv3) с генеративным моделированием непрерывного времени. Метод оценивается на наборах данных SkullFix, SkullBreak и Mandibular Defect для оценки его производительности в задачах анатомической реконструкции.

  • PCFM достигает state-of-the-art генеративной производительности во всех протестированных наборах данных, требуя существенно меньше шагов сэмплирования по сравнению с диффузионными моделями.
  • Он конкурентоспособен с детерминированными базовыми линиями PTv3 и обеспечивает ускорение до 7 раз по сравнению с PVCNN backbones в лучших режимах работы.
  • Эмпирические тенденции масштабирования показывают последовательные улучшения при более высоком разрешении точек и информативные компромиссы между различными масштабами моделей.

Авторы считают это значимым, поскольку метод предоставляет высокопроизводительную, эффективную альтернативу диффузионным методам для рабочих процессов медицинской визуализации без ущерба для качества генерации.