現代技術の基盤となる3Dポイントクラウドの生成には、高度な生成モデルと信頼性のある評価指標が求められています。本研究では、特にChamfer Distance（CD）に基づく一般的な評価指標が欠陥に対して頑健性を欠き、幾何学的忠実性や局所的形状の一貫性を正しく捉えられないことを指摘しています。サンプルの整列を距離計算前に行い、CDをDensity-Aware Chamfer Distance（DCD）に置き換えることが、生成モデルの評価指標の一貫性と頑健性を確保するための重要なステップであることを示しています。加えて、Surface Normal Concordance（SNC）という新しい評価指標を提案し、生成サンプルの質をより包括的に評価します。さらに、トランスフォーマーベースのモデルを活用し、高忠実度の3D構造を生成するDiffusion Point Transformerアーキテクチャを提案し、ShapeNetデータセットにおいて優れた結果を示しました。