3Dオブジェクト生成の問題に取り組む。本研究では、最近のボリュメトリック畳み込みネットワークおよび生成対抗ネットワークの進展を活用して、確率空間から3Dオブジェクトを生成する新しい枠組み、すなわち3D生成対抗ネットワーク（3D-GAN）を提案する。本モデルの利点は以下の3点に集約される。第一に、従来のヒューリスティックな評価基準ではなく、対抗的評価基準を用いることで、生成器はオブジェクトの構造を間接的に捉え、高品質な3Dオブジェクトを合成することが可能となる。第二に、生成器は低次元の確率空間から3Dオブジェクト空間への写像を構築するため、参照画像やCADモデルを必要とせず、オブジェクト多様体の探索が可能となる。第三に、対抗的識別器は、教師なしで学習された強力な3D形状記述子を提供する。この記述子は3Dオブジェクト認識において広範な応用が可能である。実験の結果、本手法は高品質な3Dオブジェクトを生成できることを示し、教師なしで学習された特徴量が3Dオブジェクト認識において、教師あり学習手法と比較して顕著な性能を達成していることが確認された。