- 三次元形状の複数のビューをビューグラフで柔軟に表現し、各ビューはビューの特徴を備えたグラフノードに対応する。 - ビューグラフの上に新しいグラフ畳み込みネットワーク(Graph Convolutional Network: GCN)を設計し、複数のビューの特徴を集約して大域的な形状記述子を学習することに成功した

- ModelNet40データセット上でクラスあたり96.5％、インスタンスあたり97.6％の分類精度を達成。 - ShapeNet Core55データセット上でマイクロ平均78.4%、マクロ平均60.2%のmAPを達成。 - RGBDデータセットにおいても、インスタンスあたり94.3%の精度を達成。

ビューベースの３D物体認識において、複数カメラの構造に柔軟なグラフベースの手法を確立。代表的なビューをサンプリングする選択的ビューサンプリング手法のアイデアが良いのではないか。