点群処理における深層ニューラルネットワークの設計は、不規則な領域構造と順序の欠如により困難を伴う。本論文では、点群学習に向けた新規フレームワーク「Point Cloud Transformer（PCT）」を提案する。PCTは、自然言語処理において大きな成功を収め、画像処理分野にも大きな可能性を示すTransformerに基づいている。このアーキテクチャは点列の処理において本質的に順列不変性（permutation invariant）を有しており、点群学習に適している。さらに、点群内の局所的な文脈をより効果的に捉えるために、遠方点サンプリング（farthest point sampling）および近隣点探索（nearest neighbor search）を活用した入力埋め込みの拡張を実施した。広範な実験により、PCTが形状分類、パーツセグメンテーション、法線推定という各タスクにおいて、最先端の性能を達成することが示された。