点群は重要な幾何学的データ構造の一つである。その不規則なフォーマットのため、多くの研究者はこれを規則的な3次元ボクセルグリッドや画像の集合に変換する。しかし、この手法はデータを不要に膨大にし、様々な問題を引き起こす。本論文では、点群を直接入力として扱い、入力における点の順序不変性（パーミュテーション不変性）を適切に尊重する新しいタイプのニューラルネットワークを設計する。本ネットワークは「PointNet」と命名され、物体分類、パーツセグメンテーション、シーンの意味解析など、幅広い応用に統一的なアーキテクチャを提供する。シンプルであるがゆえに、PointNetは高い効率性と有効性を備えている。実験的にも、最先端の手法と同等、あるいはそれ以上の性能を示している。理論的にも、ネットワークがどのような情報を学習しているかを分析し、入力の摂動やノイズに対してなぜ robust（頑健）であるかについての理解を提供する。