في هذا البحث، نقترح طريقة تقدير طبيعية للسحابات النقطية ثلاثية الأبعاد غير المنظمة. تُعرف هذه الطريقة باسم Nesti-Net، وتستند إلى تمثيل جديد محلي للسحابة النقطية يتكون من إحصائيات نقاط متعددة المقياس (Multi-scale Point Statistics - MuPS)، والتي يتم تقديرها على شبكة جاوسية خشنة محلية. يعتبر هذا التمثيل مدخلًا مناسبًا لتصميم شبكات النيورونات العصبية المت convoled (CNN). يتم تقدير الأطراف باستخدام تصميم خليط من الخبراء (Mixture-of-Experts - MoE)، والذي يعتمد على نهج قائم على البيانات لاختيار المقياس الأمثل حول كل نقطة ويشجع على تخصص الفروع الفرعية من الشبكة. يتم تقديم رؤى مثيرة للاهتمام حول توزيع موارد الشبكة. يحسن التنبؤ بالمقياس بشكل كبير صلابة النتائج أمام مستويات الضوضاء المختلفة، وتغيرات كثافة النقاط، ومستويات التفاصيل المختلفة. نحقق أفضل النتائج الحالية في مجموعة بيانات اصطناعية مقيدة ونقدم نتائج نوعية في مشاهد مسح حقيقية.