في هذا البحث، نقترح شبكتَ 3DFeat-Net التي تتعلم كلاً من كاشف الميزات ثلاثية الأبعاد والم�述 (descriptor) لها لغرض مطابقة السحب النقطية باستخدام إشراف ضعيف. على عكس العديد من الأعمال الحالية، لا نحتاج إلى تسمية يدوية للنقاط المتطابقة. بدلاً من ذلك، نستفيد من آليات التحديد والانتباه (alignment and attention mechanisms) لتعلم مطابقات الميزات من السحب النقطية ثلاثية الأبعاد المرتبطة بـ GPS/INS دون تحديدها صراحة. قمنا بإنشاء مجموعات بيانات ليدار خارجية للتدريب والتقييم، وتشير التجارب إلى أن 3DFeat-Net تحقق أداءً رائدًا في هذه المجموعات البيانات المحاذية للجاذبية الأرضية.