تُعد السحاب النقطية المُسجّلة فعليًا غالبًا غير كاملة بسبب زوايا الرؤية، والانسداد، والضوضاء. تميل الطرق الحالية لإكمال السحاب النقطية إلى إنتاج هيكل شكلي عالمي (Skeleton)، وبالتالي تفتقر إلى التفاصيل المحلية الدقيقة. علاوةً على ذلك، تتعلم معظم هذه الطرق عادةً تطبيقًا محددًا من السحاب الجزئية إلى السحاب الكاملة، وتجاهل العلاقات البنائية في الأشياء المصنوعة يدويًا. وللتصدي لهذه التحديات، تُقدّم هذه الورقة إطارًا احتماليًا يُسمّى شبكة إكمال السحاب النقطية ذات العلاقة التباينية (VRCNet)، والتي تمتلك خاصيتين جذّابتين:1) نمذجة احتمالية: بشكل خاص، نقترح بنية ذات طريقتين لتمكين النمذجة الاحتمالية المنهجية بين السحاب الجزئية والكاملة. يُستهلك في أحد الطريقتين السحاب الكاملة لإعادة البناء من خلال تعلّم نموذج VAE للنقط. أما في الطريق الأخرى، فيُولَد شكل كامل من السحاب الجزئية، حيث يتم توجيه التوزيع المُدمج (المحبوس) في هذه الطريقة بالاعتماد على التوزيع المستخلص من المسار الأول أثناء التدريب.2) تعزيز العلاقات: بشكل دقيق، نصمم نواة انتباه ذاتي للنقطة ووحدة نواة اختيارية للنقطة لاستغلال ميزات العلاقات بين النقاط، مما يُحسّن التفاصيل الشكلية المحلية بشروط التقدير الأولي للإكمال. بالإضافة إلى ذلك، نقدّم مجموعة بيانات جديدة تُسمّى MVP (مجموعة بيانات السحاب الجزئية متعددة الزوايا)، تتضمّن أكثر من 100,000 مسحًا عالي الجودة، حيث يتم استخلاص الأشكال ثلاثية الأبعاد الجزئية من 26 وضعًا كاميرات موزعة بشكل منتظم لكل نموذج CAD ثلاثي الأبعاد. تُظهر التجارب الواسعة أن VRCNet تتفوّق على أحدث الطرق في جميع معايير إكمال السحاب النقطية القياسية. وبشكل ملحوظ، تُظهر VRCNet قدرة عالية على التعميم والمتانة عند تطبيقها على سحاب نقطية حقيقية من العالم الخارجي.