深層ポイントクラウド理解の分野において、KPConvはカーネルポイントを使用して空間内で畳み込み重みを配置する独自のアーキテクチャであり、マルチレイヤーパーセプトロン（MLP）エンコーディングに依存することはありません。当初は成功を収めましたが、最近のMLPネットワークが更新された設計と学習戦略を採用したことで、それらに追い抜かれています。カーネルポイントの原理に基づいて、私たちは2つの新しい設計を提案します：KPConvD（デプスワイズKPConv）、より軽量な設計で深いアーキテクチャの使用を可能にするものと、KPConvX、KPConvDのデプスワイズ畳み込み重みをカーネル注意値でスケーリングする革新的な設計です。現代的なアーキテクチャと学習戦略を使用してKPConvXを適用することで、ScanObjectNN、Scannetv2、およびS3DISデータセットにおける現行の最先端手法を超えることができました。我々はアブレーションスタディを通じてこれらの設計選択肢を検証し、コードとモデルを公開しています。