النطاق غير المنتظم وغياب الترتيب يجعلان من الصعب تصميم الشبكات العصبية العميقة لمعالجة سحابات النقط. تقدم هذه الورقة إطارًا جديدًا يُدعى "Transformer لسحابات النقطة" (Point Cloud Transformer - PCT) للتعلم على سحابات النقطة. يعتمد PCT على هيكل Transformer، الذي حقق نجاحًا كبيرًا في معالجة اللغة الطبيعية، ويُظهر إمكانات كبيرة في معالجة الصور. وبما أنه يُعامل التبديل بشكل تلقائي ( permutation invariant ) عند معالجة تسلسل من النقط، فهو مناسب جدًا لتعلم سحابات النقطة. ولتحسين قدرة النموذج على التقاط السياق المحلي داخل سحابة النقطة، نعزز التضمين المدخل من خلال استخدام عينة أبعد نقطة (farthest point sampling) والبحث عن أقرب جار (nearest neighbor search). وأظهرت التجارب الواسعة أن PCT يحقق أداءً متقدمًا على مستوى الحالة الحالية في مهام تصنيف الأشكال، وتقسيم الأجزاء، وتقدير المNormals.