أحرز اكتشاف الأجسام ثلاثية الأبعاد تقدماً ملحوظاً من خلال استخدام السحابات النقطية كمدخل واحد فقط. ومع ذلك، غالبًا ما تعاني السحابات النقطية من هيكل هندسي غير كامل ونقص في المعلومات الدلالية، مما يجعل من الصعب على الكاشفات تصنيف الأجسام المكتشفة بدقة. في هذه الدراسة، نركّز على كيفية الاستفادة الفعّالة من المعلومات على مستوى الكائن من الصور لتعزيز أداء كاشفات الأجسام ثلاثية الأبعاد القائمة على السحابات النقطية. نقدّم DeMF، وهي طريقة بسيطة وفعّالة لدمج معلومات الصور في السمات النقطية. وباستخدام مجموعة من السمات النقطية وخرائط السمات الصورية، تقوم DeMF بتجميع سمات الصور بشكل تكيفي، مع أخذ الموقع الثنائي الأبعاد المُشَرَّط للنقطة ثلاثية الأبعاد كمرجع. وقد قمنا بتقييم طريقتنا على مجموعة بيانات SUN RGB-D الصعبة، حيث حققنا تحسناً كبيراً على النتائج الحالية في المجال (+2.1 [email protected] و+2.3 [email protected]). يمكن الوصول إلى الكود من خلال: https://github.com/haoy945/DeMF.