نقدم شبكة غير معلمة لتحليل السحابة النقطية ثلاثية الأبعاد، تُعرف باسم Point-NN، والتي تتكون من مكونات غير قابلة للتعلم بالكامل: أخذ العينات من النقاط الأبعد (farthest point sampling - FPS)، جيران k الأقرب (k-nearest neighbors - k-NN)، وعمليات التجميع، مع استخدام الدوال المثلثية. بشكل مفاجئ، تؤدي هذه الشبكة بشكل جيد في مجموعة متنوعة من المهام ثلاثية الأبعاد، دون الحاجة إلى أي معلمات أو تدريب، وحتى تتفوق على النماذج المدربة بالكامل الموجودة حاليًا. انطلاقًا من هذا النموذج غير المعلمة الأساسي، نقترح امتدادين. أولًا، يمكن أن تعمل Point-NN كإطار هندسي أساسي لبناء شبكات معلمة عن طريق إدراج طبقات خطية ببساطة في أعلىها. نظرًا للأداء الفائق للمكونات غير المعلمة، فإن الشبكة المشتقة Point-PN تظهر توازنًا عاليًا بين الأداء والكفاءة باستخدام عدد قليل فقط من المعلمات القابلة للتعلم. ثانيًا، يمكن اعتبار Point-NN كوحدة "plug-and-play" للنماذج ثلاثية الأبعاد التي تم تدريبها بالفعل أثناء الاستدلال. تقوم Point-NN باستخلاص المعرفة الهندسية التكميلية وتعزيز الطرق الحالية لمختلف المقاييس الثلاثية الأبعاد دون إعادة التدريب. نأمل أن يلقي عملنا الضوء على المجتمع لفهم السحابات النقطية ثلاثية الأبعاد باستخدام الطرق غير المعلمة. الرمز متاح على الرابط https://github.com/ZrrSkywalker/Point-NN.