ندرس مشكلة توليد الأجسام ثلاثية الأبعاد. ونُقدّم إطارًا جديدًا يُسمّى شبكة التوليد التنافسية ثلاثية الأبعاد (3D-GAN)، التي تُولّد الأجسام ثلاثية الأبعاد من فضاء احتمالي من خلال الاستفادة من التطورات الحديثة في الشبكات العصبية التلافيفية الحجمية (volumetric convolutional networks) وشبكات التوليد التنافسية (generative adversarial nets). تتمثل فوائد نموذجنا في ثلاثة جوانب: أولاً، يُمكّن استخدام معيار تنافسي بدلًا من المعايير اليدوية التقليدية المُستخدمة سابقًا المُولّد من التقاط البنية الهيكلية للجسم بشكل ضمني، و synthesized كائنات ثلاثية الأبعاد عالية الجودة؛ ثانيًا، يُنشئ المُولّد تطابقًا من فضاء احتمالي منخفض الأبعاد إلى فضاء الأجسام ثلاثية الأبعاد، ما يسمح لنا باستخلاص كائنات دون الحاجة إلى صورة مرجعية أو نماذج CAD، كما يمكّننا من استكشاف متعدّد الأبعاد للأشياء ثلاثية الأبعاد (3D object manifold)؛ ثالثًا، يوفّر المُميّز التنافسي وصفًا قويًا للشكل ثلاثي الأبعاد، والذي يُتعلّم دون إشراف، ويُعدّ له تطبيقات واسعة في التعرف على الأجسام ثلاثية الأبعاد. تُظهر التجارب أن طريقةً لدينا تُولّد كائنات ثلاثية الأبعاد عالية الجودة، وأن الميزات التي تعلّمتها دون إشراف تحقق أداءً مُبهرًا في التعرف على الأجسام ثلاثية الأبعاد، مُنافسةً لأداء الطرق التي تعتمد على التعلّم المُشرَف.