3次元点群処理向けの汎用的な畳み込み演算として、Position Adaptive Convolution（PAConv）を提案する。PAConvの鍵となるのは、Weight Bankに格納された基本的な重み行列を動的に組み合わせて畳み込みカーネルを構築することである。これらの重み行列の係数は、ScoreNetを介して点の位置から自己適応的に学習される。このようにしてカーネルはデータ駆動型に構築されるため、2次元畳み込みと比べて、不規則かつ順序のない点群データをより柔軟に扱える特性を備える。また、点の位置からカーネルを直接予測するのではなく、重み行列を組み合わせることで、学習プロセスの複雑性を低減している。さらに、従来の点群畳み込み演算子はしばしば高度に設計されたネットワークアーキテクチャを持つが、本研究ではPAConvを従来のMLPベースの点群処理パイプラインにそのまま統合しており、ネットワーク構成の変更を一切行わない。単純なネットワーク上で構築されたにもかかわらず、本手法は既存の最先端モデルと同等、あるいはそれを上回る性能を達成し、分類およびセグメンテーションタスクにおいてベースライン性能を顕著に向上させつつ、十分な効率性を維持している。PAConvの特性を理解するために、包括的なアブレーションスタディおよび可視化結果を提供している。実装コードは、https://github.com/CVMI-Lab/PAConv にて公開されている。