إزالة الت corresponences الشاذة تعد إحدى الخطوات الحاسمة لتحقيق نجاح التسجيل القائم على الميزات للسحابات النقطية. وعلى الرغم من الزيادة المطردة في شعبية استخدام أساليب التعلم العميق في هذا المجال، فإن الاتساق المكاني، الذي يُبنى أساسًا من خلال التحويل الإقليدي بين السحابات النقطية، لم يُحظَ بانتباه منفصل تقريبًا في الإطارات التعلمية الحالية. في هذا البحث، نقدم PointDSC، شبكة عصبية عميقة جديدة تُدمج صراحةً الاتساق المكاني لتصفية الت corresponences الشاذة. أولاً، نقترح وحدة تجميع ميزات غير محلية، تُوزَّع بوزن يعتمد على كل من التماسك المميزي والمكاني، لتمثيل الميزات للـ correspondences المدخلة. ثانيًا، نُصيغ وحدة مطابقة طيفية قابلة للتفاضل، تُدرَّب باستخدام التوافق المكاني الزوجي، لتقدير درجة الثقة في المطابقة الصالحة لكل correspondence من خلال الميزات المدمجة. وبتكلفة حسابية بسيطة، تتفوق طريقة لدينا على أحدث الأساليب اليدوية والقابلة للتعلم في تصفية الت corresponences الشاذة على عدة مجموعات بيانات واقعية بفارق كبير. كما نُظهر مدى انتشارها الواسع من خلال دمج PointDSC مع مختلف واصفات الموضع ثلاثية الأبعاد.