我们研究三维物体生成问题。本文提出一种新颖的框架——三维生成对抗网络（3D-GAN），该框架通过利用体素卷积网络和生成对抗网络的最新进展，从概率空间中生成三维物体。我们的模型具有三大优势：其一，采用对抗性判别准则而非传统的启发式准则，使生成器能够隐式地捕捉物体结构，并合成高质量的三维物体；其二，生成器建立了一个从低维概率空间到三维物体空间的映射关系，因此无需依赖参考图像或CAD模型即可进行物体采样，并可探索三维物体流形；其三，对抗性判别器能够学习到一种强大的三维形状描述子，该描述子在无监督条件下获得，在三维物体识别任务中具有广泛的应用前景。实验结果表明，我们的方法能够生成高质量的三维物体，且所学习到的无监督特征在三维物体识别任务中表现优异，性能可与有监督学习方法相媲美。