مع اعتماد السحابات النقطية ثلاثية الأبعاد كطريقة تمثيل مفضلة في العديد من تطبيقات الرؤية والرسومات، أصبحت القدرة على توليد أو إعادة بناء سحابات نقطية ذات دقة عالية وموثوقية عالية أمرًا حاسمًا. رغم النجاح الحديث للنماذج العميقة في المهام التمييزية للسحابات النقطية، لا يزال توليد السحابات النقطية تحديًا. تقترح هذه الورقة إطارًا احتماليًا مبدئيًا لتوليد السحابات النقطية ثلاثية الأبعاد من خلال نمذجة هذه السحابات كتوزيع للتوزيعات. بصفة خاصة، نتعلم هرميتين للتوزيعات حيث المستوى الأول هو توزيع الأشكال والمستوى الثاني هو توزيع النقاط المعطاة لشكل معين. يسمح هذا الصياغة بتوفير أشكال وتوفير عدد تعسفي من النقاط من شكل ما. نموذجنا الإنشائي، الذي أطلق عليه اسم PointFlow (نقطة التدفق)، يتعلم كل مستوى من التوزيع باستخدام تدفق طبيعي مستمر. قابلية عكس التدفقات الطبيعية تمكن من حساب الاحتمالية أثناء التدريب وتساعدنا على تدريب نموذجنا في إطار الاستدلال المتغير. بشكل عملي، نثبت أن PointFlow (نقطة التدفق) حققت أداءً رائدًا في توليد السحب النقطية. بالإضافة إلى ذلك، نوضح أن نموذجنا يمكنه إعادة بناء السحب النقطية بإخلاص وتعلم تمثيلات مفيدة بطريقة غير مراقبة. سيتم توفير الكود في https://github.com/stevenygd/PointFlow.