التفصيل الدلالي للسحابات النقطية في مجموعات بيانات القيادة الذاتية يتطلب تقنيات قادرة على معالجة أعداد كبيرة من النقاط بكفاءة. أصبحت الالتفافات ثلاثية الأبعاد النادرة هي الأدوات المعتادة لبناء الشبكات العصبية العميقة لهذه المهمة: فهي تستغل ندرة السحابة النقطية لتقليل حمل الذاكرة والحسابات وهي جوهر أفضل الأساليب الحالية. في هذا البحث، نقترح طريقة بديلة تصل إلى مستوى أفضل الأساليب الحالية دون الحاجة إلى الالتفافات النادرة. نثبت فعليًا أن هذا المستوى من الأداء يمكن تحقيقه بالاعتماد على أدوات كانت سابقًا غير مناسبة للمهام ذات نطاق واسع والأداء العالي في الإدراك ثلاثي الأبعاد. بشكل خاص، نقترح عمود فقري جديد ثلاثي الأبعاد يُسمى WaffleIron (وافل آيرون) يتكون بشكل شبه كامل من شبكات متعددة الطبقات الخطية (MLPs) والالتفافات الكثيفة ثنائية الأبعاد ونقدم كيفية تدريبه لتحقيق أداء عالي على SemanticKITTI و nuScenes. نعتقد أن WaffleIron هو بديل مقنع للعمود الفقري الذي يستخدم الالتفافات ثلاثية الأبعاد النادرة، خاصة في الإطارات والأجهزة حيث لا تكون هذه الالتفافات متاحة بسهولة.