يقدم هذا البحث شبكة عصبية للتقدير الدقيق والمثابر للاعتام (الاتجاهات الطبيعية) على السحب النقطية، تُسمى آدافيت (AdaFit)، والتي يمكنها التعامل مع السحب النقطية التي تحتوي على ضوضاء وتباينات في الكثافة. تستخدم الدراسات الحالية شبكة لتعلم الأوزان النقطية للتكيف السطحي المربع الأقل وزناً لتقدير الاعtam، وهو ما يواجه صعوبة في العثور على اعTam دقيقة في المناطق المعقدة أو التي تحتوي على نقاط ضوضائية. من خلال تحليل خطوة التكيف السطحي المربع الأقل وزناً، نجد أنه من الصعب تحديد درجة البوليynomial للسطح المكيف وأن السطح المكيف حساس للغاية للقيم الشاذة. لحل هذه المشاكل، نقترح حلًا بسيطًا ولكنه فعال يضيف تنبؤًا إضافيًا بالانحراف (offset prediction) لتحسين جودة تقدير الاعTam. بالإضافة إلى ذلك، من أجل الاستفادة من النقاط ذات أحجام الجوار المختلفة، تم اقتراح طبقة جديدة للتجميع المتدرج للقياسات (Cascaded Scale Aggregation layer) لمساعدة الشبكة على التنبؤ بأوزان وانحرافات نقطية أكثر دقة. أثبتت التجارب الواسعة أن آدافيت (AdaFit) تحقق أداءً متفوقًا على مستوى التقنية الحديثة في كل من مجموعة البيانات المصنعة PCPNet ومجموعة البيانات الواقعية SceneNN.