本論文は、自己監督型3次元表現学習における自動エンコーダーを基にした暗黙の表面表現の使用を提唱しています。最も一般的でアクセスしやすい3次元表現である点群は、基礎となる連続的な3次元表面の離散的なサンプルを含んでいます。この離散化プロセスにより、3次元形状にサンプリング変動が導入され、真の3次元幾何学に関する転移可能な知識の開発が困難になります。標準的な自動エンコーディングパラダイムでは、エンコーダーは3次元幾何学だけでなく、特定の離散サンプリングに関する情報も潜在コードにエンコードする必要があります。これは、デコーダーによって再構築された点群が、元の点群と完全な対応関係を持たない限り受け入れられないためです。本論文では、サンプリング変動問題に対処するために一般的に使用される点群デコーダーを暗黙のデコーダーに置き換えた単純かつ効果的な方法であるImplicit AutoEncoder（IAE）を紹介します。暗黙のデコーダーは、離散サンプルの不完全性とは無関係に、3次元形状の連続的な表現を再構築します。広範な実験結果から、提案されたIAEがさまざまな自己監督学習ベンチマークにおいて最先端の性能を達成していることが示されています。