نقترح إطارًا جديدًا ومفهوميًا بسيطًا وشاملًا لتقسيم النماذج على السحابات ثلاثية الأبعاد. تُسمى طريقتنا بـ 3D-BoNet، وتتبع فلسفة التصميم البسيطة للمستقبلات المتعددة الطبقات لكل نقطة (MLPs). يُعيد هذا الإطار تعيين الصناديق الحدودية ثلاثية الأبعاد مباشرة لجميع النماذج في سحابة النقاط، بينما يقوم في الوقت نفسه بتوقع قناع على مستوى النقطة لكل نموذج. يتكون من شبكة أساسية تتبعها شعبتان شبكيتان متوازيتان لإعادة تعيين الصندوق الحدودي وتوقع قناع النقطة. يتميز 3D-BoNet بأنه ذو مرحلة واحدة، وخالي من الأهداف الأولية، وقابل للتدريب من البداية إلى النهاية. بالإضافة إلى ذلك، فهو فعال حسابيًا بشكل ملحوظ حيث أنه، على عكس الأساليب الحالية، لا يحتاج إلى أي خطوات ما بعد المعالجة مثل القمع غير الأقصى، أو أخذ العينات من الميزات، أو التجميع أو التصويت. تظهر التجارب الواسعة أن نهجنا يتفوق على الأعمال السابقة في كل من مجموعتي بيانات ScanNet و S3DIS مع كونه أكثر فعالية حسابيًا بمقدار حوالي 10 أضعاف. تُظهر دراسات الاستبعاد الشاملة فعالية تصميمنا.