3Dポイントクラウドの新しい表現学習は、順序不変なポイントクラウド構造がニューラルネットワークアーキテクチャの設計に依然として課題を残しているため、3Dビジョン分野における活発な研究テーマである。近年の研究では、ポイントクラウドに対してグローバルな特徴、ローカルな特徴、あるいは両方を学習するアプローチが検討されているが、それらの先行研究の多くは、ポイントの局所的な方向分布を分析することによって文脈的な形状情報を捉えることに焦点を当てていない。本論文では、あるポイントの周囲におけるポイントの方向分布を活用することで、ポイントクラウドに対する表現力豊かな局所近傍表現を獲得することを目指す。具体的には、与えられたポイントの球面近傍を事前に定義された円錐領域に分割し、各領域内の統計情報をポイント特徴として用いる。このアプローチにより、選択されたポイントの最近傍点だけでなく、そのポイント周囲の複数の方向に沿ったポイント密度分布も考慮した局所領域の表現が可能となる。このような仕組みに基づき、MLP（多層パーセプトロン）層に依存するODFBlockを内包する、方向分布関数（ODF）ニューラルネットワークであるODFNetを構築した。提案モデルODFNetは、ModelNet40およびScanObjectNNデータセットにおける物体分類タスク、およびShapeNet S3DISデータセットにおけるセグメンテーションタスクにおいて、現在の最先端（SOTA）の精度を達成した。