Bài báo này đề xuất một tập dữ liệu mới, ModelNet-R, để phân loại đám mây điểm 3D và một mạng nơ-ron dựa trên đồ thị nhẹ, Point-SkipNet. Chúng tôi tinh chỉnh ModelNet-R để giải quyết các vấn đề của tập dữ liệu ModelNet40 hiện có, bao gồm sự không nhất quán về nhãn, trộn lẫn dữ liệu 2D, không khớp kích thước và phân lớp không phù hợp. Point-SkipNet đạt được độ chính xác phân loại cao đồng thời giảm chi phí tính toán bằng cách tận dụng hiệu quả lấy mẫu, nhóm lân cận và kết nối bỏ qua. Kết quả thực nghiệm chứng minh rằng các mô hình được huấn luyện trên ModelNet-R cải thiện đáng kể hiệu suất, và Point-SkipNet đạt được độ chính xác tiên tiến với số lượng tham số ít hơn đáng kể so với các mô hình hiện có. Điều này nhấn mạnh tầm quan trọng của chất lượng tập dữ liệu trong phân loại đám mây điểm 3D.
