بينما تعتمد النماذج الحالية المتطورة للشكل الضمني القابل للعامة على التحيز الاستنتاجي للعمليات التلافيفية (convolutions)، فإنه ما يزال غير واضح تمامًا إلى أي مدى تتماشى الخصائص الناتجة عن هذه التحيزات مع مهمة إعادة بناء ثلاثية الأبعاد من السحابة النقطية. نستكشف في هذا السياق نهجًا بديلًا للقابلية للعامة. نخفف من التحيز الداخلي للنموذج (أي نستخدم الشبكات العصبية متعددة الطبقات (MLPs) لتمثيل السمات المحلية بدلًا من العمليات التلافيفية)، ونحد من فضاء الفرضيات باستخدام تنظيم مساعد مرتبط بمهمة إعادة البناء، أي إزالة الضوضاء (denoising). النتيجة هي أول نموذج يعتمد حصريًا على MLPs ويُشغّل بشكل محلي لاستعادة الشكل الضمني من السحابة النقطية، مع استنتاج سريع في الاتجاه الأمامي (feed forward). تُنبَت السمات المُستمدة من السحابة النقطية، بالإضافة إلى تداخلات إزالة الضوضاء، من خلال شبكة مكوّنة حصريًا من MLPs في عملية انتقال واحدة. ويُحدِّد معقّد (decoder) احتمالات الاشتمال (occupancy probabilities) للطلبات في أي مكان في الفضاء من خلال تجميع السمات القريبة من السحابة النقطية بشكل غير حساس للترتيب، بقيادة ترميز موقعي نسبي معالَج (denoised relative positional encoding). ونُفَوِّضُ أفضل نموذج تلافيفي حاليًا، مع استخدام نصف عدد معاملات النموذج.