概括来说，FusionNet是三种神经网络的融合，其中一种基于像素表达，两种基于物体的体素化表达。它利用了每一种网络的强项，提高了分类器性能。FusionNet中的每一个网络组分都在对物体分类之前以多个角度、方向观察物体。尽管从直觉来说，对物体的多角度观察确实能比单角度观察带来更多信息，但是将信息整合到一起以提高预测精度并不显而易见。我们使用了20个像素表达特征与60个CAD物体体素表达特征这么多信息用于进行物体分类。FusionNet的效果超越了在Princeton ModelNet 40类数据集榜单上排名第一的提交方案，展示了其独到的能力。