نُقدّم شبكات التوافق الرسومي العصبي (NGM)، وهي إطار عمل جديد قادر على تعلّم التعرف على فئة حركية ثلاثية الأبعاد لم تُرَ من قبل، باستخدام عدد قليل جدًا من الأمثلة. نحقق هذا من خلال الاستفادة من البنية الطبيعية للبيانات ثلاثية الأبعاد من خلال تمثيل رسومي. يُمكّننا هذا من تحليل نموذجنا بشكل وحدات، مما يؤدي إلى كفاءة عالية في استخدام البيانات في التعلم بعينات قليلة. وبشكل أكثر تحديدًا، تتعلم شبكات NGM بشكل متزامن منشئ الرسومات ووظيفة قياس التوافق الرسومي بطريقة متكاملة (end-to-end) بهدف تحسين هدف التعلم بعينات قليلة مباشرة. وقد قُمنا بتقييم NGM على مجموعتي بيانات للتمييز الحركي ثلاثي الأبعاد، وهما CAD-120 وPiGraphs، وبيّنا أن التعلّم على إنشاء الرسومات والتوافق بينها يؤدي إلى تحسين ملحوظ في التمييز الحركي ثلاثي الأبعاد بعينات قليلة مقارنة بالأساليب الشاملة (holistic baselines).