ノイズに頑健な点群データのサンプリング手法 (Adaptive Sapling Module) 提案した．kNNで近傍点を選択，隣接グラフを構築してエッジに対応する特徴量変換，重み付け和を取ることで点の座標を更新．各点が局所特徴だけでなく大域特徴を考慮するように設計したLocal-NonLocal (L-NL) Moduleも提案，クエリ点ごとに入力点に対する重みを求めて足し合わせる．

ModelNet10, ModelNet40でクラス分類，S3DIS, ScanNet, SemanticKITTIでセグメンテーションを行い検証，SoTAに近い性能が出ることを示した．外れ点によるノイズを加えた場合でも推定がサンプリングがうまくできていることを実証．点群全体からうまく情報を集約していることを可視化．Ablation Studyでは各モジュールの有用性を確認．

特徴点のサンプリングは点群深層学習全体で用いられるが研究があまり進んでいなかったため，貢献が大きいと予想される．