在处理三维数据时，选择合适的表示方法至关重要。本文探讨了基于体素的模型，并提供了证据证明体素化表示在形状建模和物体分类等应用中的可行性。我们的主要贡献包括提出训练基于体素的变分自编码器的方法、设计用于探索自编码器学习到的潜在空间的用户界面，以及构建用于物体分类的深度卷积神经网络架构。我们解决了体素表示所特有的挑战，并通过在ModelNet基准上进行实证评估，展示了我们的模型在物体分类任务中相比现有最佳方法实现了51.5%的相对性能提升。