ユークリッド距離は近いが接続するべきではない点同士は，正解メッシュにおける測地線距離とユークリッド距離の比が大きくなるという性質を利用して，分類問題として学習する．各点における特徴量をSparseConvNetで計算しておき，各面が正しいかどうかを推定する．その後貪欲アルゴリズムで面を選択していくことでメッシュ全体を再構成する．

ShapeNetで学習・評価．既存の手法とF-score，CD，Normal Consistencyで比較して高性能であることを確認した．Ablation Studyとして異なるカテゴリで学習しても再構成に成功すること，フィルタリングが効果があること，ノイズを含む点群や実スキャンにもある程度利用可能であること（ただし入力点群の座標をそのまま用いるためそれほど強くはない）を示した．

入力点群の座標が信頼できる場合で，形状の補完を要しない場合には非常に有用な問題設定．DeepSDFなどより現実的なタスクで用いやすいように感じた．