التفكيك الطرفي هو مهمة مهمة لفهم المشهد. بالمقارنة مع التطور الكامل للتفكيك ثنائي الأبعاد، لا يزال التفكيك ثلاثي الأبعاد للسحاب النقطية يمتلك مجالًا واسعًا للتحسين. في هذه الورقة، نقدم PointGroup، وهي بنية جديدة من نوع النهاية إلى النهاية من الأسفل، تركز بشكل خاص على تحسين تجميع النقاط من خلال استكشاف الفراغات بين الأجسام. قمنا بتصميم شبكة ذات فرعين لاستخراج سمات النقاط وتوقع التصنيفات الدلالية والانزلاقات، بهدف تحريك كل نقطة نحو مركزها المركزي المتعلق بكيانها. يلي ذلك مكون تجميع يستخدم كلا المجموعتين من الإحداثيات الأصلية والمحولة بالانزلاقات، مستفيدًا من قوتهما المكملة. علاوة على ذلك، قمنا بوضع ScoreNet لتقييم الكيانات المرشحة، تليها عملية القمع غير الأقصى (NMS) لإزالة التكرارات. أجرينا تجارب واسعة على مجموعتي بيانات صعبتين، ScanNet v2 وS3DIS، حيث حقق أسلوبنا أفضل أداء مسجّل، بـ 63.6% و64.0% على التوالي، مقارنة بـ 54.9% و54.4% التي حققها أفضل الحلول السابقة من حيث المقياس المتوسط للدقة (mAP) باستخدام حدّ تقاطع بين المربعات (IoU) قدره 0.5.