تُعاني معظم الطرق الحالية لإكمال السحاب النقطي من الطبيعة المنفصلة للسحاب النقطية والتوقع غير المهيكل للنقاط في المناطق المحلية، مما يجعل من الصعب الكشف عن التفاصيل الهندسية الدقيقة في المناطق الصغيرة. لحل هذه المشكلة، نقترح نموذج SnowflakeNet الذي يعتمد على عملية التفكيك النقطي على شكل ثلج (SPD) لإنتاج سحاب نقطية مكتملة. تُصوّر SPD عملية إنشاء السحاب النقطية كنمو نقطي على شكل ثلج، حيث تُولَّد النقاط الفرعية تدريجيًا من خلال تقسيم النقاط الأصلية (الأبوية) بعد كل عملية SPD. وتكمن رؤيتنا الدقيقة للهندسة في إدخال مُحَوِّل مُتَجاوِز (skip-transformer) داخل SPD لتعلم أنماط التقسيم النقطي التي تتناسب بشكل أفضل مع المناطق المحلية. يستخدم مُحَوِّل مُتَجاوِز آلية الانتباه لتلخيص أنماط التقسيم المستخدمة في طبقة SPD السابقة، بهدف إنتاج أنماط التقسيم في الطبقة الحالية. تُنتج عملية SPD سحابًا نقطيًا محليًا كثيفًا ومنظمًا، مما يكشف بدقة عن الخصائص البنائية للشكل ثلاثي الأبعاد في المناطق الصغيرة، ما يمكّننا من التنبؤ بهندسات مفصلة جدًا. علاوةً على ذلك، وبما أن SPD عملية عامة لا تقتصر على مهمة الإكمال، نستكشف تطبيقاتها في مهام توليدية أخرى، بما في ذلك الترميز التلقائي للسحاب النقطي، وإنشاء السحاب النقطي، وإعادة بناء الصور الفردية، ورفع الدقة (upsampling). أظهرت نتائج تجاربنا تفوقها على الطرق المتطورة حديثًا ضمن معايير معيارية شائعة الاستخدام.