عند العمل مع البيانات ثلاثية الأبعاد، فإن اختيار التمثيل يعد أمرًا حاسمًا. نستكشف النماذج القائمة على الفوكسل (voxel)، ونقدم أدلة على جدوى التمثيلات الفوكسلية في التطبيقات التي تشمل نمذجة الأشكال تصنيف الكائنات. إسهاماتنا الرئيسية هي طرق لتدريب مُشفِّرات التباين القائمة على الفوكسل (voxel-based variational autoencoders)، وواجهة مستخدم لاستكشاف المساحة المخفية التي تتعلمها المُشفِّرة، ومعمارية شبكة عصبية تقنية التعلم العميقة القائمة على التحويل الإقليدي العميق (deep convolutional neural network) لتصنيف الكائنات. نعالج التحديات الفريدة للتمثيلات الفوكسلية، ونقيم نماذجنا تجريبيًا على معيار ModelNet، حيث نثبت تحسنًا نسبيًا بنسبة 51.5% في أحدث ما تم الوصول إليه من تقنيات لتصنيف الكائنات.