我々は、わずかな例のみを用いて以前に見たことのない3Dアクションクラスを認識できる新しいフレームワークであるNeural Graph Matching（NGM）ネットワークを提案する。本手法は、3Dデータが持つ内在的な構造をグラフィカルな表現によって活用することで、モデルのモジュール化を実現し、少サンプル学習における高いデータ効率性を達成する。具体的には、NGMネットワークはエンドツーエンドの学習により、グラフ生成器とグラフマッチングメトリック関数を同時に学習し、直接的に少サンプル学習の目的関数を最適化する。本手法は、3Dアクション認識の2つのデータセットであるCAD-120およびPiGraphsにおいて評価され、グラフの生成とマッチングを学習することで、従来の包括的ベースラインに対して、少サンプル3Dアクション認識性能が著しく向上することを示した。