我々は、数百万点のスケールを持つ大規模なポイントクラウドのセマンティックセグメンテーションに挑む新しい深層学習ベースのフレームワークを提案します。本研究では、3Dポイントクラウドの構造が、スキャンされたシーンを幾何学的に均質な要素に分割することによって得られる「スーパーポイントグラフ（SPG）」という構造により効率的に捉えられると主張します。SPGは、物体部間の文脈的な関係をコンパクトかつ豊かに表現し、その後、グラフ畳み込みネットワークによって利用されます。我々のフレームワークは、屋外LiDARスキャン（Semantic3Dテストセットで+11.9および+8.8 mIoUポイント）および屋内スキャン（S3DISデータセットで+12.4 mIoUポイント）のセグメンテーションにおいて新たな最先端の成果を達成しています。