LiDARの点群データに対し、特徴空間で物体を分離する主流のアプローチと異なり、直接空間で関連性を扱うSpatial embeddingが特徴。 これを、車載向けの3D instance segmentation/detection組合せタスクに利用した点が新規。

KITTIデータセットで評価。3D instance segmentationの精度については、2D画像のFeature Embeddingを用いるSOTA手法に対し、Average Precisonで10ポイント向上。3D detectionの精度については、SOTAのSTDに対し0.59ポイントマイナス(AP70,Mod,Car)。

3D instance segmentationと3D detectionの2タスクを同時に行い、両方でSOTA同等の精度を出している点、instance segmentationが局所特徴（詳細な位置）の把握に向いており、bounding boxが物体の大域的特徴の把握に向いているという相補的な性質をうまく利用した点が、評価のポイントと考えられる。