geodesicを取り入れる手法を提案し、既存手法の精度を超えた。中でも、ノイズが多いデータを対象としたクラス分類タスクにおいて、既存手法に対して良好な精度を得ている。geodesicの推定精度自体が高い。ShapeNetと呼ばれるデータセットを用いた比較実験において、ベースラインに大差で勝っている。

Upsampling（画像拡大時の解像度）やMesh Reconstruction（メッシュ生成）、Shape Classification（形状分類）、Normal Estimation（表面法線の推定）等、多くのタスクで既存SOTAモデル（PU-NetおよびPointNet++）の精度を超える結果を叩き出した。