为了可以对补全结果中的模态有显式的控制，模态条件输入Z也可以从用户指定的形状中编码得到。从指定形状编码得到条件模态向量z使得地多模态形状补全方法可以在参考形状的引导下对输入的不完整点云进行补全。
其内容将展示使用方法进行多模态补全的量化结果，还有与其他方法之间进行的量化比较和质量比较。
对比实验
其内容将描述所提多模态形状补全方法与其他的基准方法，以及与从所提方法中衍生的变种方法之间的比较结果，这些对比的方法包括：
1．KNN－丨atent，使用fc近邻算法，以不完整点云经过fAE后的编码作为查询，在完整的形状数据空间中查询fc个最近的完整隐式向量，并进行解码后得到完整点云作为补全的结果。
2．pd2pd，所提出的方法的一个变种，在这个方法中仅仅使用简单的生成对抗网络来从不完整点云中生成补全的点云，生成器的输入并没有以一个学习到的多模态分布空间为条件。通过简单的移除与模态z有关的网络模块和训练损失函数，就可以实现这个方法变种。
3．Ours－im－l2z，为内容所提出方法的另一个变种。另一种对完整形状数据中的多模态进行建模的策略是在训练GAN的同时，一同训练Fz来从完整的形状点云中隐式地对模态进行编码而不对完整点云进行显式的重建。在此策略下，的输入可以是完整点云Ours－im－pc2z或其经过编码后的完整隐式向量（记为Ours－im－丨2z）。
4．0urs－im－pc2z，如上所述，圮以以完整的点云为输入，隐式地对完整形数据中的多模态进行建模。
