本文介绍了一种3D旋转等变CNN（CubeNet），通过保留3D形状特征，提升了体素化对象的表示能力。该网络在ModelNet10分类挑战赛和ISBI 2012 Connectome分割基准测试中表现优异，显示出在医学分类任务中的显著改进。同时，研究提出了多种卷积网络架构，解决了3D点云分析中的旋转等变性问题，提升了分类性能并降低了计算成本。