ShapeNet是一个由语义类别组织的大规模3D CAD模型库，提供了一些语义标注，如一致的刚性对齐，部件和对称平面，物理大小，关键词及其他计划的标注，通过公共的 Web 界面提供数据可视化，促进数据驱动的几何分析，并为计算机图形和视觉研究提供大规模数量基准。
Dec, 2015
介绍了一种新颖的神经网络架构，用于编码和合成3D形状的层次结构，其中包括生成模型和形状合成模块。
May, 2017
该研究提出了一种从单个RGB图像中恢复三维形状结构的方法，包括由立方体表示的形状部件和涵盖连通性和对称性的部件关系，并通过卷积递归自编码器实现编码解码过程，最终通过对立体多边形层次结构的恢复实现了对单个视角二维图像的恢复。
Apr, 2018
通过使用部件感知深度生成网络(PAGENet)建模三维形状的变化，利用每个部件的VAE-GANs生成具有语义感知的部件，并使用部件组装模块将它们组装在一起，从而减少了建模三维形状变化的难度。该模型在语义形状分割和基于部件的形状编辑等应用中取得了可信度高、多样性和细节丰富的三维形状的生成效果。
Jun, 2019
本研究提出了一种以不同形状之间的形状差异作为主要对象并将其编码到自己的潜在空间中的方法来进行 3D 内容创建，该方法基于条件变分自编码器，对形状进行编码和解码，以实现对形状差分的压缩表示，分层部分结构的不均匀性以及修改抽象和转移。
Nov, 2019
该研究提出了一种新的方法，可以同时恢复3D对象的几何形状和基于部分的分解，以及它们之间的潜在层次结构，实验证明考虑部分的组织确实有助于推理三维几何。
Apr, 2020
MRGAN是一种无需部分形状监督即可生成部分解缠的三维点云模型的多根对抗网络，它通过多个树状图卷积层合并产生的点云，在每个树根处提供可学习的常数输入，而每个支路都学习增长不同的形状部分，通过根混合训练策略和基于部分解缠和形状语义的一组损失项来鼓励语义部分的解缠生成。
Jul, 2020
本文提出了一种面向领域的 3D 形状结构的组装语言 ShapeAssembly， 并训练一个层次顺序 VAE，以从现有形状结构中提取 ShapeAssembly 程序，从而生成可解释和可编辑的3D形状。
Sep, 2020
本文提出了一种增强的StructureNet结构，名为LSD-StructureNet，使得其能够生成位于任意位置的零件，并且不影响推理速度或输出的真实性和多样性，从而解决了之前基于整体建模的3D形状生成模型无法进行条件采样的问题。
Aug, 2021
通过结构重写系统（StructRe）进行局部迭代重写过程，实现不同类别、多个物体层次的形状建模，并在形状重建、生成和编辑任务中展示了概率建模和可推广性对于结构建模的好处。
Nov, 2023