لقد أصبحت تقنيات التعلم العميق النماذج المفضلة لأغلب المهام المتعلقة بالرؤية في الصور ثنائية الأبعاد. ومع ذلك، لم يتم الاستفادة الكاملة من قوتها في العديد من المهام في الفضاء ثلاثي الأبعاد، مثل فهم المشهد ثلاثي الأبعاد. في هذا العمل، نتناول مشكلتي التجزئة الدلالية والتجزئة الحقيقية للسحابات النقطية ثلاثية الأبعاد بشكل مشترك. بصفة خاصة، نطور شبكة متعددة المهام تعمل على مستوى النقاط وتقوم بشكل متزامن بمهمتين: تنبؤ فئات النقاط الثلاثية الأبعاد وتمثيل النقاط في متجهات ذات أبعاد عالية بحيث يتم تمثيل نقاط نفس الكائن الفردي بتمثيلات متشابهة (Embeddings). ثم نقترح نموذج حقل عشوائي شرطي متعدد القيم لدمج العلامات الدلالية والفردية وصياغة مشكلة التجزئة الدلالية والفردية كتحسين مشترك للعلامات في نموذج الحقل. تم تقييم الطريقة المقترحة بشكل شامل ومقارنتها بالطرق الموجودة على مختلف مجموعات بيانات المشاهد الداخلية بما في ذلك S3DIS وSceneNN. أظهرت النتائج التجريبية صلابة مخطط التجزئة الدلالية-الفردية المشترك المقترح مقارنة بمكوناته الفردية. كما حققت طريقتنا أداءً يتفوق على أفضل ما هو موجود حتى الآن (state-of-the-art) في مجال التجزئة الدلالية.