我々は、球面（または全方位）画像に対する畳み込みニューラルネットワーク（CNN）演算のための新規かつ汎用的なフレームワークを提案する。本手法は、特定のサンプリング戦略に依存しない、連結された点の集合として球面をグラフ表現する。さらに、SelectionConvの補間版を用いることで、既存の2次元CNNおよびその重みを活用しつつ、球面上での演算が可能となる。本手法は既存のグラフ実装を活用しているため、高速であり、効率的な微調整も可能である。また、本手法は単純な位相構造に限らず、任意の表面形状に適用可能な汎用性を備えている。実験では、球面におけるスタイル転移およびセグメンテーション、さらには3次元メッシュのスタイル化というタスクにおいて、本手法の有効性を示した。さらに、さまざまな球面サンプリング戦略の性能に対する包括的なアブレーションスタディを提供している。