粗略から精密への3Dインスタンスセグメンテーション手法は、最近のグループ化ベース、カーネルベース、およびトランスフォーマーベースの手法と比較して弱い性能を示しています。この理由として、以下の2つの制限が挙げられると思われます：1) 軸方向にアライメントされたバウンディングボックス（AABB）によるインスタンスサイズの過大評価 2) 不正確なバウンディングボックスから精製フェーズへと誤りが蓄積すること。本研究では、これらの2つの制限を克服し、いくつかの利点を持つ新しい粗略から精密への手法である「Spherical Mask」を提案します。具体的には、我々の粗検出は中心位置と半径距離予測を使用して各インスタンスを3D多角形で推定することで、AABBによる過度なサイズ評価を回避します。既存の粗略から精密への手法における誤差伝播を抑制するために、多角形に基づいて点を仮想的に移動させることで、偽陰性も含むすべての前景点が精製されるようにしています。推論時には、プロポーザルモジュールと点移動モジュールが並列に動作し、組み合わされてインスタンスのバイナリマスクが形成されます。また、点移動に対する2つのマージンベース損失を導入し、偽陽性/偽陰性の修正と前景点の一貫性を強制することで、性能が大幅に向上しました。ScanNetV2, S3DIS, STPLS3D の3つのデータセットからの実験結果は、我々が提案する手法が既存の手法よりも優れていることを示しており、球座標を使用した新しいインスタンス表現の有効性を証明しています。コードは以下より入手可能です: https://github.com/yunshin/SphericalMask