・グラフを用いた全天球画像のピクセル化の手法として、既存手法よりグラフの非正則度合いが低い手法を提案した点。・全天球画像のピクセルに対応するグラフの回転で同変な表現をエンコードする、グラフ畳み込みネットワークを提案した点。特に、階層的で同変なプーリング層と、全結合層の直前でマルチスケールの回転不変な特徴を取り出す回転不変な transition 層が特徴。

・画像を、1) 球面の狭い領域内のランダムな位置に配置 2) 球面内のランダムな位置に配置、の2つの設定で実験。・S-MNIST データセットと S-CIFAR-10 データセットの画像分類では、GICOPix-SGCN は2つの設定で既存手法と互角あるいは最良の正解率を達成した。・MondelNet40 の3次元物体分類では、GICOPix-SGCN は 3D モデルと互角の正解率を達成した。

・グラフ畳み込みを用いた全天球画像の分類に有効な新しい手法を、ピクセル化とネットワークの各々において提案したため。・分類精度の他にも、グラフの非正則度合いの誤差やグラフ畳み込みの同変性の誤差をピクセル化手法間で比較するなど、様々な実験を行って提案手法の有効性を示したため。