يجب أن يكون الوصف ثلاثي الأبعاد (3D descriptor) فعالًا وثابتًا تجاه التحويلات الهندسية المختلفة، مثل التغيير في الحجم والدوران، وأن يكون مقاومًا للإخفاء والتداخل، وأن يتمتع بقدرة على التعميم إلى مجالات التطبيقات المختلفة. نقدم طريقة بسيطة ومع ذلك فعالة لتعلم وصفات محلية ثلاثية الأبعاد عامة ومميزة يمكن استخدامها لتسجيل السحب النقطية التي تم التقاطها في مجالات مختلفة. يتم استخراج مربعات السحابة النقطية (point cloud patches)، وتتم معالجتها بشكل قياسي بالنسبة لمرجعيتها المحلية، ثم تشفيرها إلى وصفات مضغوطة ثابتة تجاه التغيير في الحجم والدوران بواسطة شبكة عصبية عميقة تكون ثابتة تجاه إعادة ترتيب نقاط الإدخال. هذا التصميم هو ما يمكّن وصفاتنا من التعميم عبر المجالات. نقيم ونقارن وصفاتنا مع الوصفات البديلة المصممة يدويًا والمعتمدة على التعلم العميق على عدة مجموعات بيانات داخلية وخارجية تم إعادة بنائها باستخدام أجهزة استشعار RGBD وأجهزة المسح الليزري. تتفوق وصفاتنا على معظم الوصفات الحديثة بمarge كبير فيما يتعلق بالتعميم، كما أنها أصبحت أفضل تقنية متاحة (state of the art) في المعايير حيث يتم التدريب والاختبار في نفس المجال.