Wir stellen die räumliche Gruppenfaltung (SGC) vor, um die Berechnung von 3D-Dichtevorhersageaufgaben zu beschleunigen. Die SGC ist orthogonal zur Gruppenfaltung, die sich auf räumliche Dimensionen statt auf die Dimension der Merkmalskanäle konzentriert. Sie teilt die Eingabevoxel in verschiedene Gruppen ein und führt dann eine 3D-sparse Faltung auf diesen getrennten Gruppen durch. Da nur gültige Voxel bei der Faltung berücksichtigt werden, kann die Berechnungsignifikant reduziert werden, wobei eine geringfügige Genauigkeitsverlust akzeptiert wird. Die vorgeschlagenen Operationen wurden anhand der semantischen Szenevervollständigungsaufgabe validiert, deren Ziel es ist, aus einem einzelnen Tiefenbild ein vollständiges 3D-Volumen mit semantischen Labels zuvorhersagen. Mit SGC präsentieren wir ferner ein effizientes 3D-sparse Faltungsnetzwerk, das eine mehrskalige Architektur und eine Vorhersagestrategie von grob zu fein nutzt. Die Evaluationen wurden am SUNCG-Datensatz durchgeführt und erreichten den Stand der Technik sowohl hinsichtlich Leistung als auch Geschwindigkeit. Der Quellcode ist unter https://github.com/zjhthu/SGC-Release.git verfügbar.