التجزئة على السحابات النقطية ثلاثية الأبعاد التي تعممت من المجالات الشبكية ثنائية الأبعاد تُعد موضوعًا مُستهدفًا في الأبحاث بشكل واسع، لكنها ما زالت بعيدة عن الكمال. يُعد التConvolution القياسي محدودًا بشكل جوهري في تمييز العلاقات بين السمات عند النقاط الثلاثية الأبعاد، حيث لا يتم التمييز بين السمات المقابلة عند النقاط المختلفة. في هذا البحث، نقترح طريقة تُسمى "التجزئة الرسومية التكيفية" (AdaptConv)، التي تُولّد نوى تكيفية تتناسب مع كل نقطة بناءً على السمات التي تُتعلَّم ديناميكيًا. مقارنةً باستخدام نوى ثابتة أو متجانسة، فإن AdaptConv تُحسّن المرونة في عمليات التجزئة على السحابات النقطية، مما يُمكّن من التقاط العلاقات المتنوعة بين النقاط من أجزاء ذات دلالات مختلفة بشكل فعّال ودقيق. على عكس النماذج الشائعة التي تعتمد على أوزان الانتباه، فإن AdaptConv تُطبّق التكيّف داخليًا داخل عملية التجزئة، بدلًا من مجرد تعيين أوزان مختلفة للنقاط المجاورة. أظهرت التقييمات الكمية والكيفية الواسعة أن طريقتنا تتفوّق على أحدث الأساليب في تصنيف وتقسيم السحابات النقطية على عدة مجموعات بيانات معيارية. يمكن الوصول إلى الكود الخاص بنا عبر الرابط التالي: https://github.com/hrzhou2/AdaptConv-master.