يُقدّم هذا البحث تحسينًا للبيانات من خلال التداخل بين أمثلة السحاب النقطي. وقد أظهرت طرق تحسين البيانات من خلال التداخل فعالية بسيطة في مجال الصور. ومع ذلك، فإن هذا النوع من التداخل (مثل طريقة Mixup) لا يمكن نقله مباشرة إلى السحاب النقطية، نظرًا لعدم وجود تقابل واحد لواحد بين النقاط الخاصة بجسمين مختلفين. في هذا البحث، نُعرّف تحسين البيانات بين السحاب النقطية على أنه تداخل خطي عبر أقصر مسار. ولتحقيق ذلك، نُقدّم طريقة PointMixup، وهي طريقة تداخل تُولّد أمثلة جديدة من خلال تعيين مثالي لدالة المسار بين سحابين نقطيين. ونُثبت أن طريقة PointMixup تُوجِد أقصر مسار بين سحابين نقطيين، وأن التداخل يكون مستقلًا عن التعيين وخطيًا. وبموجب تعريف التداخل هذا، تتيح طريقة PointMixup إدخال عوامل تنظيم قوية تعتمد على التداخل، مثل Mixup وManifold Mixup، إلى مجال السحاب النقطية. ونُظهر تجريبيًا الإمكانات الكبيرة لطريقة PointMixup في تصنيف السحاب النقطية، خصوصًا في الحالات التي تكون فيها الأمثلة نادرة، وكذلك تحسين المقاومة للضوضاء والتحويلات الهندسية المطبقة على النقاط. ويتوفر الكود الخاص بـ PointMixup والتفاصيل التجريبية بشكل عام للجمهور.