Wir präsentieren eine tiefen Lernmethode, die punktweise Merkmalsdarstellungen innerhalb einer Formkollektion propagiert, um die Segmentierung von 3D-Formen zu ermöglichen. Wir schlagen eine cross-shape-Attention-Mechanismus vor, der Wechselwirkungen zwischen den punktweisen Merkmalen einer Form und jenen anderer Formen ermöglicht. Der Mechanismus bewertet sowohl die Stärke der Wechselwirkung zwischen Punkten als auch steuert die Merkmalspropagation über Formen hinweg, wodurch die Genauigkeit und Konsistenz der resultierenden punktweisen Merkmalsdarstellungen für die Formsegmentierung verbessert wird. Zudem schlagen wir eine Formretrieval-Maßnahme vor, um für jede Testform geeignete Formen für die cross-shape-Attention-Operationen auszuwählen. Unsere Experimente zeigen, dass unsere Methode state-of-the-art-Ergebnisse auf dem populären PartNet-Datensatz erzielt.