点群解析において、最近の数年間で点ベースの手法が急速に発展しています。これらの手法は、PointNeXtなどの簡潔なMLP（多層パーセプトロン）構造に焦点を当てており、畳み込み構造やトランスフォーマー構造と同等の競争力を示しています。しかし、標準的なMLPは局所特徴を効果的に抽出する能力に制限があります。この制限に対処するために、我々は高次元ベクトルを通じて近傍特徴を集約できるベクトル指向型点集合抽象化を提案します。ネットワーク最適化を容易にするため、3Dベクトル回転に基づく独立角度を使用してスカラーからベクトルへの変換を構築しました。最後に、PointNeXtの構造に従うPointVectorモデルを開発しました。実験結果は、PointVectorがS3DIS Area 5で72.3% mIOU、S3DIS（6分割交差検証）で78.4% mIOUという最先端の性能を達成し、PointNeXtのモデルパラメータのわずか58%でこれを行うことができることを示しています。我々は本研究が簡潔かつ効果的な特徴表現の探索に貢献することを期待しています。コードは近日中に公開される予定です。