我们提出了一种用于生成三维形状表面的新方法。该方法将三维形状表示为一系列参数化表面单元的集合，与生成体素网格或点云的方法不同，能够自然地推断出形状的表面表示。除了其创新性之外，我们提出的新型形状生成框架——AtlasNet，还具备诸多显著优势，包括更高的生成精度与更强的泛化能力，以及在不引发内存问题的前提下生成任意分辨率形状的能力。我们在ShapeNet基准数据集上，针对两项应用任务——（i）形状的自编码重建，以及（ii）从单张静态图像进行三维重建——验证了这些优势，并与多个强基准方法进行了对比。此外，我们还展示了该方法在其他潜在应用中的表现，如形状变形（morphing）、参数化、超分辨率重建、形状匹配以及协同分割（co-segmentation）等。