画像ベースの方法とは異なり、点群を用いた場所認識のための検索は未解決かつ未探索の問題として残っています。これは主に、点群から局所特徴記述子を抽出し、その後、それらを検索タスクのためにグローバル記述子にエンコードする難しさによるものです。本論文では、深層学習の最近の成功を活用して点群を用いた場所認識のための検索問題を解決するPointNetVLADを提案します。特に、当社のPointNetVLADは既存のPointNetとNetVLADの組み合わせまたは変形であり、与えられた3D点群からグローバル記述子を抽出するためにエンドツーエンドでの学習と推論が可能となります。さらに、「ラジトリプレットおよびクアドラプレット」損失関数（lazy triplet and quadruplet loss functions）を提案し、より識別力があり汎化可能なグローバル記述子を生成することで検索タスクに対処します。私たちは点群を用いた場所認識のための検索に関するベンチマークデータセットを作成し、これらのデータセットにおける実験結果は当社のPointNetVLADの実現可能性を示しています。当社のコードとベンチマークデータセットのダウンロードリンクはプロジェクトウェブサイトで公開されています。http://github.com/mikacuy/pointnetvlad/