本稿では、点群上の3Dオブジェクトインスタンスセグメンテーションに向けたシンプルで直感的な深層学習フレームワーク「類似度グループ提案ネットワーク（Similarity Group Proposal Network: SGPN）」を提案する。SGPNは、単一のネットワークにより、各点群に対するグループ化提案とそれに対応するセマンティッククラスを同時に予測し、それらから直接インスタンスセグメンテーション結果を抽出できる。SGPNの効果性の鍵となるのは、埋め込み特徴空間における点同士の類似度を示す類似度行列として3Dインスタンスセグメンテーション結果を表現する画期的なアプローチであり、これにより各点に対して高精度なグループ化提案が得られる。知られている限り、SGPNは点群上で3Dインスタンス意識型セマンティックセグメンテーションを学習する最初のフレームワークである。さまざまな3Dシーンにおける実験結果から、本手法が3Dインスタンスセグメンテーションにおいて有効であることを示した。また、SGPNが3Dオブジェクト検出およびセマンティックセグメンテーションの性能向上に貢献する能力についても評価した。さらに、2D CNN特徴をフレームワークにスムーズに統合することで、性能向上を実現する柔軟性を示した。