نُقدّم شبكة اقتراح المجموعات المتشابهة (SGPN)، وهي إطار عمل بسيط وواضح للتعلم العميق لفصل كائنات ثلاثية الأبعاد بناءً على السحابات النقطية. تعتمد SGPN على شبكة واحدة لتنبؤ اقتراحات تجميع النقاط والتصنيف الدلالي المقابل لكل اقتراح، مما يسمح لنا باستخراج نتائج فصل الكائنات الفردية مباشرة. ويُعدّ تمثيل SGPN الجديد لنتائج فصل الكائنات ثلاثية الأبعاد على شكل مصفوفة تماثل، التي تشير إلى درجة التشابه بين كل زوج من النقاط في الفضاء المدمج للسمات، عاملاً محورياً في فعالية النموذج، حيث ينتج اقتراح تجميع دقيق لكل نقطة. إلى حد علمنا، تُعدّ SGPN أول إطار عمل يتعلم فصل الدلالة المتميزة للكائنات ثلاثية الأبعاد على السحابات النقطية. أظهرت النتائج التجريبية على مشاهد ثلاثية الأبعاد متنوعة فعالية طريقة العمل في فصل الكائنات ثلاثية الأبعاد، كما قمنا بتقييم قدرة SGPN على تحسين نتائج كشف الكائنات ثلاثية الأبعاد وفصل الدلالة. كما أظهرنا مرونتها من خلال دمج سمات الشبكة العصبية التلافيفية ثنائية الأبعاد (2D CNN) في الإطار بشكل سلس لتعزيز الأداء.