従来PointNet++等で使用される最近傍探索（kNN）はサイズも大きく、多大なメモリを要するが、提案手法ではより小さいサイズのkNNと単層パーセプトロン（SLP）+プーリングを並列化したユニットを積み上げることでより構造を深くして精度向上に寄与した。

ShapeNet-part, ScanNet, PartNet等で実験を行なった。例えばShapeNet-PartではPointNet++ 84.60であるが、浅い層の提案手法LPNは85.65、深い層のDeep LPNでは85.66を達成（PointNet++から+1.3%向上）した。PartNetデータセットでは+9.7%を実現した。