本稿では、順序のない点群に対する深層学習を可能にする並べ替え不変アーキテクチャであるSO-Netを提案する。SO-Netは、自己組織化マップ（SOM: Self-Organizing Map）を構築することで、点群の空間的分布をモデル化する。SOMを基盤として、SO-Netは個々の点およびSOMノードに対して階層的な特徴抽出を実行し、最終的に入力点群を1つの特徴ベクトルで表現する。点からノードへのk近傍探索を用いることで、ネットワークの受容 field を体系的に調整可能である。点群再構成、分類、オブジェクト部品セグメンテーション、形状検索といった認識タスクにおいて、提案手法は最先端の手法と同等またはそれ以上の性能を示した。さらに、提案アーキテクチャの並列処理可能性と単純さにより、従来の点群認識ネットワークと比較して学習速度が著しく高速である。本研究のコードはプロジェクトウェブサイトにて公開されている。https://github.com/lijx10/SO-Net