لقد اكتسب التعلم من بيانات السحابة النقطية ثلاثية الأبعاد زخماً سريعاً، بفضل نجاح التعلم العميق على الصور وزيادة توفر البيانات ثلاثية الأبعاد. في هذا البحث، نهدف إلى بناء طبقات تجميع غير متجانسة تعمل مباشرة على السطح المستمد من السحابة النقطية. يعتبر هذا التحدي صعباً بسبب عدم وجود نظام إحداثي عالمي للمتجهات المماسة على السطوح. نقدم DeltaConv، وهي طبقة تجميع تجمع بين المشغلات الهندسية من حساب المتجهات لتمكين بناء مرشحات غير متجانسة على السحب النقطية. نظراً لأن هذه المشغلات معرفة على الحقول القيمية والمتجهة، فإننا نفصل الشبكة إلى مسار قيمي ومسار متجهي، اللذين يرتبطان بالمشغلات. يتيح المسار المتجهي للشبكة تمثيل وتقييم ومعالجة المعلومات الاتجاهية بشكل صريح. تعتبر عمليات التجميع الخاصة بنا متينة وبسيطة التنفيذ، وتتوافق أو تتفوق على أفضل الأساليب الحالية في عدة مقاييس، مع تسريع التدريب والاستدلال.