대부분의 이전 연구에서는 점군의 형태를 좌표로 표현하였습니다. 그러나 이는 국소 기하학을 직접적으로 설명하기에 충분하지 않습니다. 본 논문에서는 \textbf{RepSurf} (representative surfaces)라는 새로운 점군 표현 방법을 제시하여 매우 국소적인 구조를 \textbf{명시적으로} 묘사합니다. 우리는 컴퓨터 그래픽스에서 삼각 메시와 우산 곡률에서 영감을 받은 두 가지 변형인 삼각형 RepSurf와 우산형 RepSurf를 탐구하였습니다. 표면 재구성 후 사전 정의된 기하학적 사전 정보를 사용하여 RepSurf의 표현을 계산합니다. RepSurf는 불규칙한 점들과 자유롭게 협력할 수 있으므로 대부분의 점군 모델에 플러그 앤 플레이 모듈로 활용될 수 있습니다.PointNet++ (SSG 버전)의 간단한 베이스라인을 기반으로 하여, 우산형 RepSurf는 성능과 효율 측면에서 다양한 벤치마크에서 분류, 세그멘테이션, 검출에 있어 이전 최고 수준을 크게 능가하였습니다. 파라미터 개수가 약 \textbf{0.008M} 증가하고, FLOPs가 \textbf{0.04G} 증가하며, 추론 시간이 \textbf{1.12ms} 증가하는 대신, 우리의 방법은 ModelNet40에서 \textbf{94.7\%} (+0.5\%), ScanObjectNN에서 \textbf{84.6\%} (+1.8\%)의 분류 정확도를 달성하였습니다. 또한 S3DIS 6-fold에서는 \textbf{74.3\%} (+0.8\%) mIoU, ScanNet에서는 \textbf{70.0\%} (+1.6\%) mIoU의 세그멘테이션 성능을 보였습니다. 검출 측면에서도, 우리의 RepSurf를 사용한 이전 최고 수준의 검출기는 ScanNetV2에서 \textbf{71.2\%} (+2.1\%) mAP$\mathit{{25}}$, \textbf{54.8\%} (+2.0\%) mAP$\mathit{{50}}$ 그리고 SUN RGB-D에서 \textbf{64.9\%} (+1.9\%) mAP$\mathit{{25}}$, \textbf{47.7\%} (+2.5\%) mAP$\mathit{{50}}$를 달성하였습니다.우리의 경량화된 삼각형 RepSurf도 이러한 벤치마크에서 뛰어난 성능을 보였습니다. 코드는 공개적으로 제공되며, 다음 주소에서 확인할 수 있습니다: \url{https://github.com/hancyran/RepSurf}.