设定：少量 RGB template views 支持训练未见物体的检测、分割与 6DoF pose

输入：few-shot RGB templates + query RGB

简述：NeMO encoder 从少量 template RGB 中生成带语义和几何信息的稀疏 object-like point cloud；decoder 将 object encoding 与 query image 结合，输出密集感知结果并估计未见对象的 6DoF pose，无需为目标重新训练或依赖相机专属参数。

设定：室内 RGB-D scan 中将 CAD 对齐至不完整、含噪的真实对象

输入：indoor RGB-D scan / object point cloud + CAD

简述：CAOA 用语义与上下文感知的 point-cloud completion 修复真实 scan 的缺失几何，再用 symmetry-aware relative pose estimation 对齐 CAD；同时发布来自 Scan2CAD 的 S2C-Completion 标注集，并在 Scan2CAD 上报告相对既有方法 17% 的准确率提升。

设定：从覆盖不完整的短视频 / partial point clouds 估计类别级统一坐标系

输入：multi-view images → SfM point clouds

简述：C3PO 将短视频重建成带 2D 特征的 partial point clouds，学习跨类别 correspondence feature，并通过高效 pairwise registration 把多段局部对象观测对齐到全局一致的 canonical frame。

设定：互联网图像 / 视频中被手遮挡的对象几何重建与跨帧刚体对齐

输入：monocular RGB image / video + inferred 3D hand

简述：MCC-Hand-Object 以单图和推断的 3D hand 联合恢复手与物几何；RAR 再由 VLM 辅助检索匹配的 3D object model，并将其与图像、MCC-HO 观测作时序一致的 rigid alignment。

设定：单目 RGB 中以手物几何、接触和 keypoint 重建遮挡对象

输入：monocular RGB + hand-object geometric cues

简述：方法在 diffusion 过程中同时优化手与被重建对象的变换，以 normal / depth、silhouette、2D keypoint re-projection 和 SDF 接触约束为 guidance，在遮挡下得到更物理一致的 hand-object reconstruction。

设定：可动物体的部件几何与运动联合建模

输入：articulated-object visual observations

简述：GaussianArt 以 articulated 3D Gaussians 联合表征 geometry 与 motion，避免先重建多个状态再事后对齐的脆弱流程；提出 MPArt-90，覆盖 20 类、最多 20 个部件的 90 个可动物体，以评测 part-level reconstruction 与 motion estimation。

设定：随手拍 RGB-D 交互视频中的 joint parameter 与可动部件恢复

输入：casually captured dynamic RGB-D video

简述：iTACO 用 coarse-to-fine pipeline 从手持相机拍摄的动态 RGB-D video 中推断 articulated object 的 joint parameters 与 movable-part segmentation；论文同时构建含 784 个视频、284 个对象、11 类物体的数据集，规模约为既有同类数据的 20 倍。