计算机视觉领域一个长期存在的问题在于：三维形状的识别应采用何种表示方式？即，三维形状是否应基于其原始的三维格式（如体素网格或多边形网格）使用相应的描述子进行表示，还是可以利用基于视角的描述子实现高效表示？本文在从三维形状的二维渲染视图集合中学习识别三维形状的背景下，探讨了这一问题。我们首先提出一种标准的卷积神经网络（CNN）架构，该架构独立地对每个渲染视图进行识别，并证明仅凭单个视图即可实现远高于现有先进三维形状描述子的识别准确率。当提供多个视角的视图时，识别性能进一步提升。此外，我们提出一种新颖的CNN架构，能够将三维形状的多个视角信息融合为一个紧凑且统一的形状描述子，从而获得更优的识别效果。该架构同样可准确识别人类手绘的形状草图。我们得出结论：一组二维视图对三维形状识别具有高度信息量，且能够很好地适配新兴的CNN架构及其衍生方法。