本稿では、3次元点群におけるインスタンスセグメンテーションのための新規手法を提案する。提案手法は、ガウシアンインスタンスセンター網（Gaussian Instance Center Network, GICN）と呼ばれ、シーン全体に散在するインスタンス中心の分布をガウシアン中心ヒートマップとして近似可能である。予測されたヒートマップに基づき、後の予測工程において効率的に少数の中心候補を選定できる。具体的には、i) 各中心のインスタンスサイズを予測して特徴抽出の範囲を決定し、ii) 中心に対してバウンディングボックスを生成し、iii) 最終的なインスタンスマスクを生成する。GICNは単段階型、アンカーフリー型、エンドツーエンド型のアーキテクチャであり、学習が容易で推論が効率的である。適応的インスタンスサイズ選択を実現する中心制御メカニズムの恩恵を受けて、本手法はScanNetおよびS3DISデータセットにおける3次元インスタンスセグメンテーションタスクにおいて、最先端の性能を達成した。