设定：仅有少量参考图像、无 CAD 模型时，对新对象做实例级 6DoF pose estimation

输入：few-shot reference RGB + query RGB

简述：Cas6D 先以自监督 ViT 抑制极少参考下的目标误检，再检索 top-K pose candidates，并通过多尺度 warped feature volume 和逐级收窄的 pose bins 细化结果；论文在 32-shot 设定下于 LINEMOD 和 GenMOP 上分别报告相对 OnePose++ / Gen6D 的 Proj-5 提升。

设定：没有精确 CAD、仅有弱标注对象视图时，学习可用于 6D pose 的隐式对象模型

输入：weakly labeled RGB object views + query RGB

简述：NeRF-Feat 先用 NeRF 隐式学习对象几何，再以对比学习联合 CNN 获得兼顾视角不变性和对称性的特征；推理时由查询图像特征与 NeRF 中的 3D 特征建立对应，并在神经场参考系内求解 pose，评测覆盖 LM、LM-Occlusion 与 T-LESS。

设定：测试对象来自未见类别，且 query 中没有 ground-truth object location

输入：reference templates + query RGB

简述：LocPoseNet 针对 unseen-object pose 中常被默认已知的目标位置，提出分布式 reference kernels 与多尺度相关计算，并用解耦的 scale-aware / scale-robust 特征预测平移相关参数；论文还构建合成数据以单独评估多种位置噪声。

设定：单张 RGB 中一次前向同时检测多个已知对象并直接回归其 6D pose

输入：single monocular RGB image

简述：YOLO-6D-Pose 在 YOLOX 上联合输出对象类别、位置与姿态，通过 pose 参数化、专用损失和 6D augmentation 取消 keypoint、PnP 与 refinement 等后处理；其定位是以端到端单阶段结构换取更短的多对象推理链。

设定：移动 RGB-D 相机扫描的场景中，给定近似 3D box 联合检索对象类别、CAD 与 pose

输入：RGB-D scan + CAD database + approximate 3D box

简述：HOC-Search 比较多种 CAD–scan 相似度后选择深度与 mask 的 render-and-compare 目标，再以组织类别、模型和姿态的搜索树配合类 Monte Carlo Tree Search 算法加速联合检索；论文报告相对穷举约 10×–120× 的加速。

设定：同一对象的宽基线图像之间共视区域很小，需要建立可用于 relative pose 的局部对应

输入：object-centric RGB image pairs + estimated 3D signals

简述：LFM-3D 将 normalized object coordinates 或 monocular depth 编码为低维 3D positional signal，注入图神经网络 matcher；它的 pose 不是 BOP 式 object-to-camera 输出，但改进的匹配可显著提升 in-the-wild 对象图像对的 relative posing。

设定：未知物体类别、未知相机姿态时，从约五张图像联合恢复视角和对象形状

输入：five sparse RGB object views

简述：FORGE 逐视图预测 3D features，以跨视图相关估计 relative camera poses，再把对齐后的特征融合成 neural radiance field；它无需 3D shape ground truth，并展示了对未见类别和野外对象图像的泛化。

设定：2–8 张对象图像中存在对称与弱纹理，需要恢复全组相机的 6D pose

输入：2–8 sparse RGB object views

简述：RelPose++ 在 pairwise relative rotation distribution 的基础上，以 attention 联合推理多张图像来消解单对图像中的对称歧义，并新增与 rotation ambiguity 解耦的 translation prediction；输出可直接作为稀疏视图对象重建的前处理。

设定：真实手物图像中联合估计手 pose、可动物体部件 pose 与接触状态

输入：RGB hand-object observations + simulated interaction priors

简述：ContactArt 以 iPhone 驱动的 visual teleoperation 在物理仿真器中采集带 object pose 与 contact 标注的数据，再学习描述部件排列的判别器和生成接触区域的 diffusion model，用这些先验共同约束真实图像中的 hand 与 articulated-object pose estimation。

设定：稀疏视频中的手物互遮挡同时损害交互重建和 pose 精度

输入：sparse multi-view hand-object videos

简述：NCRF 联合学习 contact optimization field、hand-object radiance field 和 observation-to-canonical motion field，使接触、姿态与外观互相约束；在 HO3D 和 DexYCB 上同时评估 novel-view rendering 与 pose estimation accuracy。

设定：滑动与碰撞场景中，跟踪刚体姿态并同时估计速度和摩擦系数

输入：RGB-D video + mesh-based object shapes

简述：方法把可微物理仿真器作为 Extended Kalman Filter 的状态转移模型，在接触和摩擦约束下联合滤波对象 position、orientation、velocity 与 friction coefficient；相比仅依赖视觉观测的逐帧 tracking，它显式要求轨迹满足物理可行性。

设定：多相机、多时刻观测中联合重建动态场景并跟踪所有稠密场景元素

输入：multi-view, multi-timestep RGB images

简述：Dynamic 3D Gaussians 让 Gaussian 的颜色、透明度和形状跨时间持久，而位置与方向随时间变化；在局部刚性正则下，通过动态 novel-view reconstruction 自然得到稠密 6DoF trajectories，可支持非刚体重建与 tracking。