最近、エンコーダ・デコーダフレームワークを活用した点群セグメンテーションにおいて、大きな進展が見られている。このアプローチは、まず点群を低解像度の表現にエンコードし、その後高解像度の予測をデコードするものである。画像の密集予測において高解像度アーキテクチャが成功を収めたことから、学習プロセス全体にわたり高解像度表現を維持することが重要であることが示唆されている。このような観点から、3次元密集型点群解析においても同様に高解像度アーキテクチャの重要性を認識している。本論文では、3次元点群セグメンテーションにおける高解像度アーキテクチャの探求を行う。具体的には、点群特徴抽出にk近傍（knn）に基づくシーケンス演算子と、異なる解像度間での効率的な情報伝達に向けた微分可能リサンプリング演算子を統合した、統一されたパイプラインとして「PointHR」というフレームワークを提案する。さらに、高解像度アーキテクチャにおける多数のリアルタイム計算を回避するため、シーケンス演算子およびリサンプリング演算子のインデックスを事前に計算する手法を導入する。これにより、設計の優れた点群ブロックの利点を活かしつつ、追加の努力を必要とせずに、非常に競争力のある高解像度アーキテクチャを実現できる。これらのアーキテクチャの性能を評価するため、S3DISおよびScanNetV2データセットを用いて包括的な実験を実施した。その結果、特に特化した工夫（「bells and whistles」）を加えずとも、提案するPointHRは最近の最先端手法を上回る性能を達成した。ソースコードは以下のURLから公開されている：\url{https://github.com/haibo-qiu/PointHR}。