نقدم نهجًا جديدًا للتعلم العميق لتطابق الأشكال القابلة للتشوه من خلال تقديم {\it شبكات تشوّه الأشكال} التي تقوم بتشفير الأشكال ثلاثية الأبعاد والتطابقات بشكل مشترك. يتم تحقيق هذا عن طريق تحليل تمثيل السطح إلى (i) قالب يُحدِّد السطح، و(ii) متجه خصائص عالمي تم تعلمه يُحدِّد تحويل القالب إلى السطح المدخل. من خلال التنبؤ بهذه الخاصية لشكل جديد، نتنبأ ضمنيًا بالتطابقات بين هذا الشكل والقالب. نظهر أن هذه التطابقات يمكن تحسينها بخطوة إضافية تحسن خاصية الشكل من خلال تقليل المسافة تشامفر بين السطح المدخل والقالب المحول. نثبت أن أسلوبنا البسيط يتفوق على النتائج الرائدة في التحدي الصعب FAUST-inter، بمتوسط خطأ في التطابق قدره 2.88 سم. نوضح، باستخدام مجموعة بيانات TOSCA، أن طريقتنا مقاومة للكثير من أنواع الاضطرابات وتعمم على أشكال غير بشرية. توفر هذه المقاومة لها أداءً جيدًا على الشبكات الحقيقية غير النظيفة من مجموعة بيانات SCAPE.