私たちは、スパース畳み込みと点間の親和性予測に基づく3次元インスタンスセグメンテーションの新しいアプローチを提案します。この親和性予測は、2つの点が同じインスタンスに属する確率を示します。提案されたネットワークは、サブマニフォールドスパース畳み込み [3] を基盤としており、ボクセル化されたポイントクラウドを処理し、各占有ボクセルのセマンティックスコアと異なるスケールでの近接ボクセル間の親和性を予測します。単純ながら効果的なクラスタリングアルゴリズムにより、予測された親和性とメッシュトポロジーに基づいてポイントがインスタンスに分割されます。各インスタンスのセマンティックは、セマンティック予測によって決定されます。実験結果によると、私たちの方法は広く使用されているScanNetベンチマーク [2] において、既存の最先端のインスタンスセグメンテーション手法よりも大幅に優れています。コードは公開されており、https://github.com/art-programmer/MASC でアクセスできます。