تقدم هذه الورقة نموذج الشبكات العصبية التلافيفية للنقاط (PCNN): وهي إطار عمل جديد يُطبّق الشبكات العصبية التلافيفية على سحابات النقاط. يتكوّن هذا الإطار من عاملين رئيسيين: التوسيع والتقليص، اللذين يقومان بتحويل الدوال المعرفة على سحابات النقاط إلى دوال ثلاثية الأبعاد والعكس. ويُعرّف التلافيف على سحابة النقاط من خلال عملية سحب التلافيف الثلاثي الأبعاد الإقليدية عبر آلية التوسيع-التقليص.يتميز التلافيف على سحابة النقاط بالكفاءة الحسابية، وثباته تجاه ترتيب النقاط داخل السحابة، ومقاومته للتغيرات في عينات النقاط وكثافتها، كما أنه غير متأثر بالانزياحات (تحتاج إلى نفس نواة التلافيف في جميع النقاط). ويُعمّم نموذج PCNN الشبكات العصبية التلافيفية للصور، مما يسمح بتبني هياكلها بسهولة في البيئة الخاصة بسحابات النقاط.أظهرت تقييمات نموذج PCNN على ثلاث معايير مركزية لتعلم سحابات النقاط أداءً متفوقًا بشكل مقنع مقارنةً بالأساليب المنافسة في هذا المجال، وتفوقت على الغالبية العظمى من الأساليب التي تعتمد على تمثيلات شكلية أكثر تفصيلاً مثل الأسطح و/أو المNormals.