LiDARデータを用いた3Dオブジェクト検出は、自動運転やロボティクスなどの応用において重要なタスクである。2D画像とは異なり、LiDARデータは通常、時間にわたって収集される。しかし、この分野における大多数の研究は、時間領域を無視して検出を独立して行うことに焦点を当てている。本論文では、時間情報を活用して3Dオブジェクト検出とトラッキングという関連する2つのタスクを同時に実行する、シアメスネットワークアーキテクチャである3D-FCTを提案する。このネットワークは、時間経過に伴う特徴点から抽出された相関特徴に基づいて、オブジェクトの運動を予測するように学習される。特徴点間の相関を計算することで、リアルタイムでのオブジェクト検出が可能となる。さらに、マルチタスク目的関数を拡張し、トラッキング用の回帰損失を導入した。最後に、予測された軌跡に基づいて短期間のオブジェクトトラックレットを連結することで、長期的なトラックを構築し、高精度な検出を実現する。提案手法はKITTIトラッキングデータセット上で評価され、最先端手法に対してmAPで5.57%の向上が示された。