我们提出一种无需外部监督即可从原始单视图图像学习3D变形对象类别的方法。该方法基于自动编码器，该自动编码器将每个输入图像分解为深度，反照率，视点和照明。为了在没有监督的情况下解开这些组件，我们使用了这样一个事实，即许多对象类别至少在原则上具有对称结构。我们表明，关于照明的推理使我们能够利用基本的对象对称性，即使由于阴影而导致外观不对称。此外，我们通过预测对称概率图（与模型的其他组件端对端学习）来对可能（但不一定）对称的对象进行建模。我们的实验表明，该方法可以非常准确地恢复人脸的3D形状，猫的脸和汽车从单一视图的图像，没有任何监督或事先的形状模型。在基准测试中，与另一种在2D图像对应级别使用监督的方法相比，我们证明了更高的准确性。
