高解像度3D点群における幾何学的異常の非監督検出の新方法を提案します。特に、確立された教師-生徒型異常検出フレームワークを三次元に適応させる手法を提案します。生徒ネットワークは、異常のない点群に対して事前学習された教師ネットワークの出力をマッチングするように訓練されます。テストデータに適用すると、教師と生徒の間の回帰誤差により、異常構造を信頼性高く局所化することができます。教師ネットワークが濃密な局所幾何学的記述子を抽出するためには、表現力のある教師ネットワークの構築が必要であり、そのため新しい自己監督事前学習戦略を導入しました。教師ネットワークは、局所受容野の再構成によって訓練され、アノテーションは必要としません。包括的なMVTec 3D Anomaly Detectionデータセットを用いた広範な実験により、当社の手法が有効であることが示されており、次善の方法よりも大幅に優れています。削除実験では、当社の手法が性能、実行時間、メモリ消費量という面で実用的な要件を満たしていることが確認されました。