← 返回指标目录

6DoF / 报告协议 · protocol

ADD(S) / ADD(-S)

Symmetry-dependent ADD Reporting Protocol

按物体是否对称,在 ADD 与 ADD-S 之间选择,再聚合成一个数字。

它不是新的距离公式,而是一种数据集级报告规则。论文中 ADD(S)、ADD(-S)、ADD(S)-0.1d 常有不同写法,必须追溯具体 benchmark 定义。

Principle

原理:它究竟在惩罚什么?

公式给出计算规则;示意图帮助区分误差发生在三维模型、可见表面、图像平面还是阈值聚合层。

对每个对象先固定规则:非对称对象取 ADD,对称对象取 ADD-S。

随后再按对象或实例平均,因此一个总分隐藏了两种误差函数。

真实 pose预测 pose 对应点距离 / 姿态分量误差
本站示意:用于理解该指标关注的误差空间,并非真实数据或原论文插图。

How to compute

计算步骤

  1. 01

    从 benchmark 定义读取对象对称性。

  2. 02

    对非对称对象计算 ADD,对对称对象计算 ADD-S。

  3. 03

    把选中的误差统一转成成功率或曲线,再按协议聚合。

Strength

适合回答

  • 历史 benchmark 中便于给出单一总分。
  • 避免在明显对称对象上使用不合理的 ADD。

Caveat

读表时要警惕

  • “对称”的判定可能来自几何,也可能被纹理/标注改变;论文必须说明。
  • 不同 benchmark 的对象集合和阈值不同,ADD(S) 总分通常不可跨数据集直接比较。

Paper atlas

文献库中哪些论文报告了它?

由论文的原始指标写法自动归一化得到。直接报告与通过上层协议关联的论文会明确区分。

在文献库筛选
35关联论文
35直接报告
0通过协议关联
2026 直接报告

ConceptPose: Training-Free Zero-Shot Object Pose Estimation using Concept Vectors

CVPR · Liming Kuang, Yordanka Velikova, Mahdi Saleh 等

原始写法:ADD(-S) recall
2026 直接报告

CoordAR: One-Reference 6D Pose Estimation of Novel Objects via Autoregressive Coordinate Map Generation

AAAI · Dexin Zuo, Ang Li, Wei Wang 等

原始写法:ADD(-S) Recall
2026 直接报告

Cov2Pose: Leveraging Spatial Covariance for Direct Manifold-aware 6-DoF Object Pose Estimation

CVPR · Nassim Ali Ousalah, Peyman Rostami, Vincent Gaudillière 等

原始写法:ADD(-S) / AUC ADD(-S)
2026 直接报告

EgoXtreme: A Dataset for Robust Object Pose Estimation in Egocentric Views under Extreme Conditions

CVPR · Taegyoon Yoon, Yegyu Han, Seojin Ji 等

原始写法:ADD(-S)
2026 直接报告

Event6D: Event-based Novel Object 6D Pose Tracking

CVPR · Jae-Young Kang, Hoonhee Cho, Taeyeop Lee 等

原始写法:ADD(-S)
2026 直接报告

GraspClutter6D: A Large-scale Real-world Dataset for Robust Perception and Grasping in Cluttered Scenes

ICRA / IEEE RA-L · Seunghyeok Back, Joosoon Lee, Kangmin Kim 等

原始写法:ADD(-S) and ADD-S AUC
2026 直接报告

Deep Learning-Based Object Pose Estimation: A Comprehensive Survey

IJCV · Jian Liu, Wei Sun, Hui Yang 等

原始写法:ADD(S) / ADD(-S) / ADD(S)
2026 直接报告

OrienPose: Orientation-Guided Novel View Synthesis for Single-Image Unseen Object Pose Estimation

CVPR · Yating Liu, Zhaoshuai Qi, Yang Zou 等

原始写法:ADD(-S)
2026 直接报告

PoseGaussian: 6D Pose Estimation for Unseen Objects via Sparse-View Object-Level 3D Gaussian Splatting

CVPR · Wubin Shi, Shaoyan Gai, Feipeng Da

原始写法:ADD(S)-0.1d
2025 直接报告

BoxDreamer: Dreaming Box Corners for Generalizable Object Pose Estimation

ICCV · Yuanhong Yu, Xingyi He, Chen Zhao 等

原始写法:ADD(s)-0.1d
2025 直接报告

Deterministic Object Pose Confidence Region Estimation

ICCV · Jinghao Wang, Zhang Li, Zi Wang 等

原始写法:ADD(-S)
2025 直接报告

Environment-Agnostic Pose: Generating Environment-independent Object Representations for 6D Pose Estimation

ICCV · Shaobo Zhang, Yuhang Huang, Wanqing Zhao 等

原始写法:ADD(-S)
2025 直接报告

GS-Pose: Generalizable Segmentation-Based 6D Object Pose Estimation With 3D Gaussian Splatting

3DV · Dingding Cai, Janne Heikkilä, Esa Rahtu

原始写法:ADD(S)@0.1d
2025 直接报告

iG-6DoF: Model-free 6DoF Pose Estimation for Unseen Object via Iterative 3D Gaussian Splatting

CVPR · Tuo Cao, Fei Luo, Jiongming Qin 等

原始写法:ADD(S)-0.1d
2025 直接报告

Occlusion-Aware 6D Pose Estimation with Depth-Guided Graph Encoding and Cross-Semantic Fusion for Robotic Grasping

ICRA · Jingyang Liu, Zhenyu Lu, Lu Chen 等

原始写法:ADD(-S) / ADD(-S) AUC
2025 直接报告

ONDA-Pose: Occlusion-Aware Neural Domain Adaptation for Self-Supervised 6D Object Pose Estimation

CVPR · Tao Tan, Qiulei Dong

原始写法:ADD(-S)
2025 直接报告

RayPose: Ray Bundling Diffusion for Template Views in Unseen 6D Object Pose Estimation

ICCV · Junwen Huang, Shishir Reddy Vutukur, Peter KT Yu 等

原始写法:ADD(-S) Recall
2025 直接报告

SCFlow2: Plug-and-Play Object Pose Refiner with Shape-Constraint Scene Flow

CVPR · Qingyuan Wang, Rui Song, Jiaojiao Li 等

原始写法:ADD(-S)
2025 直接报告

Uncertainty-Aware Knowledge Distillation for Compact and Efficient 6DoF Pose Estimation

IROS · Nassim Ali Ousalah, Anis Kacem, Enjie Ghorbel 等

原始写法:ADD(-S)-0.1d
2025 直接报告

VAPO: Visibility-Aware Keypoint Localization for Efficient 6DoF Object Pose Estimation

IROS · Ruyi Lian, Yuewei Lin, Longin Jan Latecki 等

原始写法:ADD(-S) recall at 0.02d / 0.05d / 0.1d / AUC of ADD(-S)
2025 直接报告

ZeroBP: Learning Position-Aware Correspondence for Zero-Shot 6D Pose Estimation in Bin-Picking

ICRA · Jianqiu Chen, Zikun Zhou, Xin Li 等

原始写法:AR of ADD(-S) / ADD(-S)-0.1d
2024 直接报告

6D-Diff: A Keypoint Diffusion Framework for 6D Object Pose Estimation

CVPR · Li Xu, Haoxuan Qu, Yujun Cai 等

原始写法:ADD(-S) / AUC of ADD(-S)
2024 直接报告

Learning to Estimate 6DoF Pose from Limited Data: A Few-Shot, Generalizable Approach using RGB Images

3DV · Panwang Pan, Zhiwen Fan, Brandon Yushan Feng 等

原始写法:ADD(S)-0.1d
2024 直接报告

HiPose: Hierarchical Binary Surface Encoding and Correspondence Pruning for RGB-D 6DoF Object Pose Estimation

CVPR · Yongliang Lin, Yongzhi Su, Praveen Nathan 等

原始写法:ADD(-S) recall / AUC of ADD(-S)
2024 直接报告

Learning Better Keypoints for Multi-Object 6DoF Pose Estimation

WACV · Yangzheng Wu, Michael Greenspan

原始写法:ADD(S) / ADD(S) AUC
2024 直接报告

Effects of Markers in Training Datasets on the Accuracy of 6D Pose Estimation

WACV · Janis Rosskamp, Rene Weller, Gabriel Zachmann

原始写法:ADD(S) / ADD(-S)
2024 直接报告

MFOS: Model-Free & One-Shot Object Pose Estimation

AAAI · JongMin Lee, Yohann Cabon, Romain Brégier 等

原始写法:ADD(-S)-0.1d
2024 直接报告

MOTPose: Multi-Object 6D Pose Estimation for Dynamic Video Sequences Using Attention-Based Temporal Fusion

ICRA · Arul Selvam Periyasamy, Sven Behnke

原始写法:ADD(-S) AUC
2024 直接报告

MRC-Net: 6-DoF Pose Estimation with MultiScale Residual Correlation

CVPR · Yuelong Li, Yafei Mao, Raja Bala 等

原始写法:ADD(-S) / AUC of ADD(-S)
2024 直接报告

NeuSurfEmb: A Complete Pipeline for Dense Correspondence-Based 6D Object Pose Estimation without CAD Models

IROS · Francesco Milano, Jen Jen Chung, Hermann Blum 等

原始写法:ADD(-S) recall
2024 直接报告

Open-Vocabulary Object 6D Pose Estimation

CVPR · Jaime Corsetti, Davide Boscaini, Changjae Oh 等

原始写法:ADD(S)-0.1d
2024 直接报告

Pseudo-keypoint RKHS Learning for Self-supervised 6DoF Pose Estimation

ECCV · Yangzheng Wu, Michael Greenspan

原始写法:ADD(S) / ADD(S) AUC
2024 直接报告

SAM-6D: Segment Anything Model Meets Zero-Shot 6D Object Pose Estimation

CVPR · Jiehong Lin, Lihua Liu, Dekun Lu 等

原始写法:ADD(-S)
2024 直接报告

Scalable Network and Adaptive Refinement Module for 6D Pose Estimation of Diverse Industrial Components

IROS · Kun Qian, Mustafa Suphi Erden, Xianwen Kong

原始写法:ADD(-S)
2024 直接报告

YOLO-6D-Pose: Enhancing YOLO for Single-Stage Monocular Multi-Object 6D Pose Estimation

3DV · Debapriya Maji, Soyeb N. Nagori, Manu Mathew 等

原始写法:ADD(-S) / ADD(-S) AUC
定义与协议来源展开查看原始论文、综述和官方评测页面。