Die unüberwachte Punktewolken-Formkorrespondenz (un-supervised point cloud shape correspondence) strebt danach, dichte Punk-zu-Punk-Korrespondenzen zwischen Punktewolken ohne manuell annotierte Paare zu erzielen. Menschen und einige Tiere besitzen jedoch eine bilaterale Symmetrie und verschiedene Orientierungen, was zu schwerwiegenden Fehlvorhersagen symmetrischer Teile führt. Zudem stören Punktewolken-Rauschen konsistente Darstellungen von Punktewolken und verschlechtern somit die Genauigkeit der Formkorrespondenz. Um diese Probleme anzugehen, schlagen wir ein selbstverbindendes, orientierungsbewusstes Netzwerk vor, das als SE-ORNet bezeichnet wird.Der Kern unseres Ansatzes besteht darin, ein Modul zur Orientierungsschätzung mit einem domänenadaptiven Diskriminator zu nutzen, um die Orientierungen von Punktewolkenelementen auszurichten. Dies verringert die Fehlvorhersagen symmetrischer Teile erheblich. Darüber hinaus entwickeln wir einen selbstverbindenden Rahmen für die unüberwachte Punktewolken-Formkorrespondenz. In diesem Rahmen werden die Störungen durch Punktewolken-Rauschen überwunden, indem die Eingaben des Schülerschaltkreises (student network) und des Lehrerschaltkreises (teacher network) mit unterschiedlichen Datenverstärkungen gestört werden und die Konsistenz der Vorhersagen eingeschränkt wird.Ausführliche Experimente sowohl auf menschlichen als auch auf tierischen Datensätzen zeigen, dass unser SE-ORNet den Stand der Technik in Bezug auf unüberwachte Punktewolken-Formkorrespondenzmethoden übertreffen kann.