점군 데이터 처리는 다양한 실세계 시스템의 핵심 구성 요소이다. 이에 따라 다양한 점 기반 접근 방식이 제안되었으며, 시간이 지남에 따라 지속적인 벤치마크 성능 향상이 보고되어 왔다. 본 연구에서는 이러한 성과의 핵심 요소를 분석하고, 두 가지 중요한 결과를 도출하였다. 첫째, 모델 아키텍처와 독립적인 보조 요인들—예를 들어 평가 방식, 데이터 증강 전략, 손실 함수 등—이 성능에 큰 영향을 미친다는 것을 발견하였다. 이러한 요인들의 차이는 아키텍처의 영향을 가리게 할 정도로 크다. 이러한 보조 요인들을 통제한 상태에서 비교해보면, 비교적 오래된 네트워크인 PointNet++가 최근의 방법들과 경쟁 가능한 성능을 보인다. 둘째, 간단한 투영 기반 방법—우리가 SimpleView라 명명한 방법—이 예상보다 뛰어난 성능을 보인다. 이 방법은 ModelNet40에서 첨단 기술 수준의 방법들과 비슷하거나 더 뛰어난 성능을 달성하면서도 PointNet++의 절반 크기의 모델 크기를 갖는다. 또한, 실제 점군 데이터를 다루는 ScanObjectNN이라는 벤치마크에서 최신 기술 수준의 방법들을 능가하며, 다양한 데이터셋 간 일반화 능력에서도 뛰어난 성능을 입증한다.