يُعدّ تعلّم تمثيلات جديدة للسحوبات النقطية ثلاثية الأبعاد مجالًا بحثيًا نشطًا في مجال الرؤية ثلاثية الأبعاد، نظرًا لأن بنية السحوبات النقطية غير حساسة للترتيب ما تزال تُشكّل تحديات في تصميم هياكل الشبكات العصبية. وقد استكشفت الدراسات الحديثة تعلّم السمات العالمية أو المحلية أو كليهما للسحوبات النقطية، لكن لا توجد أي من الأساليب السابقة ركّزت على التقاط معلومات الشكل السياقية من خلال تحليل توزيع الاتجاهات المحلية للنقاط. في هذه الورقة، نستفيد من توزيعات اتجاهات النقاط المحيطة بنقطة معينة بهدف الحصول على تمثيل محلي تعبيري للسحوبات النقطية. ونحقق ذلك من خلال تقسيم الجوار الكروي لنقطة معينة إلى أحجام مخروطية محددة مسبقًا، حيث تُستخدم الإحصائيات داخل كل حجم كسمات للنقطة. وبهذه الطريقة، يمكن تمثيل منطقة محلية ليس فقط من خلال أقرب جيران النقطة المختارة، بل أيضًا عن طريق أخذ توزيع كثافة النقاط بعين الاعتبار، المحدّد على طول عدة اتجاهات حول النقطة. وبذلك نتمكن من بناء شبكة عصبية تُسمى دالة توزيع الاتجاه (ODF)، تضم وحدة ODFBlock تعتمد على طبقات MLP (الشبكة العصبية متعددة الطبقات). ويحقق النموذج الجديد ODFNet دقة قياسية حديثة في تصنيف الأشكال على مجموعتي بيانات ModelNet40 وScanObjectNN، وفي التجزئة على مجموعة بيانات ShapeNet S3DIS.