Wir stellen eine Methode zur Lernung der Generierung von Oberflächen dreidimensionaler Formen vor. Unser Ansatz stellt eine 3D-Form als eine Ansammlung parametrischer Flächenelemente dar und leitet im Gegensatz zu Verfahren, die Voxel-Gitter oder Punktwolken generieren, auf natürliche Weise eine Oberflächenrepräsentation der Form ab. Neben ihrer Neuheit bietet unser neues Generierungsframework, AtlasNet, erhebliche Vorteile, wie verbesserte Genauigkeit und Verallgemeinerungsfähigkeit sowie die Möglichkeit, Formen beliebiger Auflösung ohne Speicherprobleme zu erzeugen. Wir demonstrieren diese Vorteile und vergleichen mit starken Baselines auf dem ShapeNet-Benchmark anhand zweier Anwendungen: (i) der Auto-Encoder-Generierung von Formen und (ii) der Rekonstruktion aus einer einzigen Ansicht aus einem statischen Bild. Zudem präsentieren wir Ergebnisse, die das Potenzial von AtlasNet für weitere Anwendungen wie Morphing, Parametrisierung, Super-Resolution, Matching und Co-Segmentierung aufzeigen.