ポイントクラウド処理における最近の最先端手法は、ポイント畳み込み（point convolution）の概念に基づいている。これに対して、複数のアプローチが提案されてきた。本論文では、画像処理における離散畳み込みに着想を得て、多数のポイント畳み込み手法を関連付け、分析するための定式化を提示する。さらに、幾何学的情報を含まないカーネル重みの推定と、特徴量の空間的サポートへの重みの整列を分離する独自の畳み込み変種を提案する。また、効果的かつ高速なポイントサンプリング戦略を定義する。最後に、提案する畳み込みおよびサンプリング戦略を用いて、分類およびセマンティックセグメンテーションのベンチマークにおいて競争力ある結果を示すとともに、計算時間およびメモリ使用量の点で効率性を実現している。