パッチ・物体・シーン全体の3つのレベルのコンテクスト情報を抽出するモジュール（patch-to-patch context　module, object-to-object context　module , global scene context　module）を追加することにより、検出精度を向上する。このために、アテンション機構とマルチスケール特徴合成を用いる。

VoteNetに対し、SUN RGB-DデータセットのmAPで2.1%向上、ScanNetV2のmAPで5.9%向上。patch-to-patch contextの追加の効果が最も大きい。

コンテクスト情報の利用を点群データ処理に応用する新規性により、全てのクラスの検出精度においてSOTAを上回る明確な性能向上を検証した点が評価のポイントと考えられる。