場所認識は自動運転およびロボットナビゲーションの分野において重要な役割を果たしています。点群に基づく方法は主に、点群の局所特徴から全体的な記述子を抽出することに焦点を当てています。既存のソリューションは有望な結果を達成していますが、以下の側面を無視しているため、性能低下を引き起こす可能性があります：(1)屋外シーンにおける物体間の大きなサイズ差；(2)場所認識とは関係のない移動物体；(3)長距離コンテキスト情報。これらの側面が判別力のある全体的な記述子の抽出に挑戦を与えることを説明します。これらの問題を緩和するために、我々は新しい手法であるTransLoc3D（トランスロケーション3D）を提案します。この手法では、異なるサイズの物体に対処しながらノイズを抑制するためのポイントごとの再重み付けスキームを使用した適応的な受容野と、長距離特徴依存関係を捉える外部トランスフォーマーを利用します。既存のアーキテクチャが固定かつ限定的な受容野を採用しているのに対し、我々の手法はサイズ適応型受容野と全体的なコンテキスト情報を活用することで、一般的なデータセットで大幅な改善とともに現行の最先端技術を超える性能を発揮します。