معالجة بيانات السحابة النقطية تمثل عنصراً أساسياً في العديد من الأنظمة الواقعية. ونتيجة لذلك، تم اقتراح عدد كبير من الطرق القائمة على النقط، والتي سجلت تحسّنات مستمرة في الأداء على المعايير المعيارية مع مرور الوقت. نحن ندرس العناصر الأساسية التي ساهمت في هذا التقدم، ونكتشف نتيجتين بالغتي الأهمية. أولاً، نلاحظ أن العوامل المساعدة مثل أساليب التقييم المختلفة، واستراتيجيات تضخيم البيانات، ووظائف الخسارة، والتي تكون مستقلة عن هيكل النموذج، تؤثر بشكل كبير على الأداء. وتفوق هذه التأثيرات بدرجة كافية بحيث تُبقي تأثير الهيكل النموذجي مختفياً. وعند التحكم بهذه العوامل، تُظهر شبكة PointNet++، التي تُعدّ أقدم نموذجاً نسبياً، أداءً تنافسياً مع الطرق الحديثة. ثانياً، يُظهر أسلوب بسيط يعتمد على التصوير (projection)، والذي نسميه SimpleView، أداءً مدهشاً. ففي معيار ModelNet40، يحقق أداءً مماثلاً أو أفضل من الطرق المتقدمة المعتمدة على تقنيات معقدة، مع أن حجمه نصف حجم PointNet++. كما يتفوق على الطرق المتطورة في معيار ScanObjectNN، وهو معيار حقيقي لبيانات السحابة النقطية، ويُظهر أداءً أفضل في التعميم بين المجموعات المختلفة.