高解像度における深層生成形状モデルのスケーリング問題に着目し、物体の標準的なビュー表現から着想を得て、6つの正射影深度画像に対してスーパーレゾリューションを実行するネットワークを用いた、ボクセル空間内における3Dオブジェクトの高速アップサンプリング手法を提案する。このアプローチにより、直接3D空間で作業する手法と比較して、より効率的な高解像度オブジェクト生成が可能となる。2D深度画像のスーパーレゾリューション問題を、形状の輪郭（シルエット）推定と深度推定に分解することで、構造情報と細部の表現を両方捉えることを可能にした。これにより、単一のネットワークに比べて、より明確なエッジを容易に生成できる。本手法は、高解像度3Dオブジェクトに関する複数の実験において評価され、512×512×512という解像度まで新たなオブジェクトを正確に予測できることが示された。これは、本タスクにおいて報告された最高解像度である。ShapeNetデータセットにおけるRGB画像からの3Dオブジェクト再構成タスクにおいて、最先端の性能を達成するとともに、初めて実用的な3Dスーパーレゾリューション手法を実現した。