三维重建尤其是从无序点云恢复几何形状，一直是计算机视觉、几何建模和 CAD 领域的难点。神经隐式方法虽然能取得高精度，但其几何信息往往埋在潜在向量中，难以解释，也不便于工程流程的直接复用。
NeuSOGA3D（Neuro‑Symbolic Geometric Abstraction in 3D）提出了一种混合框架，结合了 NeuSOGA 学到的感知先验和显式的符号几何推理。首先将点云投影到三个主正交平面，得到二维观测；随后在每个平面上构建符号隐式样条（implicit spline）表示，这些样条由控制多边形和隐式样条场组成。
不同平面的样条通过保持形状的构造实体几何（Constructive Solid Geometry, CSG）操作融合，形成一个粗略的可视外壳（visual hull）。为了恢复细节，框架进一步执行横截面分解，并利用部分保持形状的样条（Partial Shape‑Preserving Splines）进行体积重建，生成体积 loft。整个过程把原始点云逐步转化为可解释的符号实体：控制多边形 → 隐式样条场 → 横截面 → 体积 loft。
在 ModelNet40 的全部四十个类别上进行实验，NeuSOGA3D 能够从多样的点云输入恢复结构化且兼容 CAD 的几何模型，展示了学习感知与符号几何推理结合的潜力。
点评