点群処理は、不規則な点が形成する多様な形状がしばしば区別しにくいため、非常に困難である。曖昧な形状を正確に理解するためには、十分な文脈的意味情報が必要となるが、このような点に注目した研究は少ない。本研究では、点群処理に向けた密集的文脈表現を学習する汎用アーキテクチャ「DensePoint」を提案する。技術的には、点の置換不変性を保持しつつ、畳み込み演算子を一般化することで、規則格子CNNを不規則な点配置に拡張した。これにより、局所パターンの効率的な誘導学習が可能となる。アーキテクチャ面では、密接接続（dense connection）の構造に着想を得て、深層階層内で複数レベル・複数スケールの意味情報を繰り返し集約する設計を採用している。その結果、DensePointは自然な形で密集的文脈情報と豊富な意味情報を獲得でき、高い効果を発揮する。4つの異なるタスクにまたがる困難なベンチマークにおける広範な実験および詳細なモデル分析により、DensePointが最先端の性能を達成していることが確認された。