点群の意味的セグメンテーションは、ロボット工学および自動運転におけるシーン理解の重要な要素である。本論文では、3D LiDAR点群の意味的セグメンテーションを目的としたニューラルネットワーク「TORNADO-Net」を提案する。本手法は、マルチビュー（鳥瞰図およびレンジビュー）投影による特徴抽出と、エンコーダ・デコーダ構造を有するResNetアーキテクチャを組み合わせ、新たに提案した「ダイアモンドコンテキストブロック」を導入している。現在の投影ベースの手法は、隣接する点が通常同じクラスに属するという事実を考慮していない。この局所的近傍情報の有効活用とノイズの多い予測の低減を図るため、全変動（Total Variation）、Lovasz-Softmax、および重み付き交差エントロピー損失の組み合わせを導入した。また、LiDARデータが360度の視野角を有し、円形パディング（circular padding）が可能な点を活かすことで、より高精度な処理を実現している。本手法はSemanticKITTIデータセットにおいて最先端の性能を達成し、詳細な定量評価およびアブレーションスタディの結果も提示している。