- 決定木を構築するために、世界空間における3Dシーンの明示的な階層的空間分割を行う。 - 分割戦略を学習するために、深層分類ネットワークとして実装されたニューラル・ルーティング機能を提案する。 - ニューラルルーティング機能に外れ値に除去を組み込む。

- カメラ姿勢を直接評価するRIO-10 datasetでの精度Pose(0.05m,5◦)に関しては，我々の結果(0.358)は，最先端のアプローチ(0.274)を約30%上回っている． - 7-scenesデータセットでの評価では、SOTAにはごくわずかな差で遅れをとっている。しかしながらこれは、本アルゴリズムが動的環境用であるにもかかわらず、静的シーンにおける優れた汎用性を示している。

- 屋内環境のカメラ姿勢において、より実環境に適した手法をとっている点。 - 深層ニューラル決定木をカメラローカライゼーションに適用し、動的な環境データセットではSOTAを実現、静的な環境データセットでもSOTAに次ぐ精度を実現している点。