توفر السحاب النقطية تمثيلًا هندسيًا مرنًا مناسبًا لعدد لا يحصى من التطبيقات في الرسوم الحاسوبية؛ كما تمثل الإخراج الخام لأغلب أجهزة اكتساب البيانات ثلاثية الأبعاد. وعلى الرغم من الاقتراحات القديمة لاستخدام ميزات مصممة يدويًا على السحاب النقطية في مجالات الرسوم الحاسوبية والرؤية الحاسوبية، إلا أن النجاح الهائل الأخير للشبكات العصبية التلافيفية (CNN) في تحليل الصور يوحي بقيمة تكييف الرؤى المستمدة من هذه الشبكات في سياق السحاب النقطية. إذ تفتقر السحاب النقطية بطبيعتها إلى معلومات توافقيّة (Topological)، لذا فإن تصميم نموذج قادر على استعادة هذه البنية التوافقيّة يمكن أن يعزز قدرة التمثيل لدى السحاب النقطية. ولتحقيق هذا الهدف، نقترح وحدة شبكية عصبية جديدة تُسمى EdgeConv، وهي مناسبة للمهام عالية المستوى القائمة على الشبكات التلافيفية على السحاب النقطية، مثل التصنيف والتقسيم. تعمل EdgeConv على رسم بياني ديناميكي يتم حسابه في كل طبقة من طبقات الشبكة. وتتميز بكونها قابلة للتفاضل، ويمكن دمجها بسهولة في الهياكل الحالية. مقارنةً بالوحدات الحالية التي تعمل في الفضاء الخارجي (extrinsic space) أو التي تعالج كل نقطة بشكل منفصل، تمتلك EdgeConv خصائص جذابة عديدة: فهي تدمج معلومات الجوار المحلي؛ ويمكن تجميعها وتكرار استخدامها لاستكشاف الخصائص الشكلية العالمية؛ وفي الأنظمة متعددة الطبقات، يُمكن للاختلاف (الارتباط) في الفضاء المميز أن يُمثّل الخصائص الدلالية حتى على مسافات طويلة في التضمين الأصلي. ونُظهر أداء نموذجنا على معايير معيارية شهيرة تشمل ModelNet40 وShapeNetPart وS3DIS.