السحابة النقطية ثلاثية الأبعاد تصف المشهد الحقيقي بدقة وبشكل حسي. حتى الآن، نادرًا ما تم مناقشة كيفية تقسيم العناصر المتنوعة في هذا المشهد المعلوماتي ثلاثي الأبعاد. في هذه الورقة البحثية، نقدم أولاً إطارًا بسيطًا ومرنًا لتقسيم الحالات والمعاني في السحب النقطية بشكل متزامن. ثانياً، نقترح طريقتين تتيحان للمساحتين الاستفادة من بعضهما البعض، مما يؤدي إلى وضع رابح للجميع. بالتحديد، نجعل تقسيم الحالة يستفيد من تقسيم المعنى من خلال تعلم التضمين النقطي على مستوى الحالة مع الوعي بالمعنى (semantic-aware point-level instance embedding). وفي الوقت نفسه، يتم دمج الخصائص الدلالية للنقاط التي تنتمي إلى نفس الحالة لتقديم توقعات دلالية أكثر دقة لكل نقطة. طريقة عملنا تتفوق بشكل كبير على أفضل الطُرق المستخدمة حاليًا في تقسيم الحالة ثلاثي الأبعاد مع تحسين ملحوظ في تقسيم المعنى ثلاثي الأبعاد. لقد تم جعل الكود متاحًا على الرابط التالي: https://github.com/WXinlong/ASIS.