3D形状和2D图像通常彼此包含互补信息，因此对它们进行联合分析将使不同领域中存在的一些问题受益。 利用2D图像和3D形状之间的联系，有可能挖掘出一个模态信息的不足。 基于这种见识，我们设计并实现了CNN架构，即使在训练数据很少的指导下也可以共同分析形状和图像。我们架构的核心是领域自适应算法，该算法在图像的基础特征空间之间建立了联系。和形状，然后对齐并关联其中的固有结构。 所提出的方法有助于识别和检索任务。 对形状识别任务的实验表明，我们的方法在困难的环境下具有优异的性能：零镜头学习和少镜头学习。