본 논문은 다양한 기하학적 복잡성을 지닌 여러 과제에서 포인트 클라우드를 처리하는 모델의 성능에 영향을 미치는 주요 요소들을 탐구한다. 특히, 등변(equivariant) 레이어가 도입하는 유연성과 가중치 공유 간의 절충점을 탐구하며, 등변성이 성능을 향상시키거나 저해하는 경우를 평가한다. 입력 정보 증가가 모델 성능을 향상시킨다는 주장에 반해, 추가 정보가 SE(3) 등변성과 같은 특성을 깨뜨리는 경우에도 유익한지 여부를 조사한다. 여러 데이터셋에서 세분화, 회귀, 생성 작업에 대한 벤치마킹을 통해 다양한 복잡성을 가진 작업에서 성공을 이끄는 등변 및 비등변 아키텍처의 주요 측면을 확인한다. 엄격한 등변성이 필요하지 않더라도, 작업의 복잡성이 증가함에 따라 등변성의 긍정적 영향이 더욱 두드러짐을 관찰한다.
