最近の研究では、3次元畳み込みネットワークを使用した3次元物体認識において良好な認識結果が示されています。本論文では、物体の向きが3次元認識に重要な役割を果たすことを示します。より具体的には、回転によってネットワーク内で物体が異なる特徴を引き出すと主張します。したがって、カテゴリレベルの分類タスクをマルチタスク問題として扱い、ネットワークをクラスラベルの予測だけでなく、物体の姿勢も並行して予測するように訓練しました。このアプローチにより、分類結果に有意な改善が見られました。提案したアーキテクチャは、LiDARデータ、CADモデル、RGB-D画像など、さまざまな3次元データソースを表す複数のデータセットでテストされました。分類における最先端の結果を報告するとともに、3次元検出においてベースラインよりも精度と速度に大幅な改善が見られました。