نقدم طريقة جديدة للمراسلات الكثيفة الزمنية الحقيقية بين السحب النقطية تعتمد على بناء الشكل المهيكل. تُسمى هذه الطريقة بـ "المراسلات النقطية العميقة" (DPC)، وهي تحتاج إلى جزء صغير فقط من بيانات التدريب مقارنة بالتقنيات السابقة وتقدم قدرات تعميم أفضل. حتى الآن، تم اقتراح طريقتين رئيسيتين لمشكلة المراسلات الكثيفة. الأولى هي نهج متعدد الطيف يحقق نتائج ممتازة في مجموعة البيانات الاصطناعية ولكن يتطلب ترابط الشبكة للأشكال ووقت معالجة استدلال طويل بينما يكون غير مستقر في السيناريوهات الواقعية. الثانية هي نهج فضائي يستخدم إطار عمل المشفِّر-المفكِّك لإرجاع سحابة نقاط مرتبة لمطابقة التحديد من إدخال غير منتظم. للأسف، يجلب المفكِّك عيوبًا كبيرة، حيث يحتاج إلى كمية كبيرة من بيانات التدريب ويجد صعوبة في التعميم بشكل جيد في تقييمات عبر مجموعة البيانات. تكمن جديدية DPC في عدم وجود مكون للمفكِّك. بدلاً من ذلك، نستخدم التشابه الكامن وإحداثيات الإدخال نفسها لبناء سحابة النقاط وتحديد المراسلات، مما يحل محل عملية إرجاع الإحداثيات التي يقوم بها المفكِّك. أظهرت التجارب الواسعة أن نظام البناء الخاص بنا يؤدي إلى زيادة الأداء مقارنة بطرق المراسلات الأكثر حداثة وأفضل مستوىً. شفرتنا المصدر متاحة بشكل عام على الرابط:https://github.com/dvirginz/DPC.