01 · Generalization
类别先验正从固定坐标转向通用表征与自适应锚点
Universal Features Pose 先以 2D 通用特征求 sparse correspondence，再用 3D 特征进行 dense alignment；KeyPose 则让 keypoint 随对象几何自适应，而不是将所有实例压进一套固定关键点。
AAAI 2025 · Paper Collection
物体位姿估计论文集
AAAI 2025 的直接物体 pose 论文数量不多，却集中呈现了三个变化：类别级方法开始利用通用特征跨越训练类别，可动 / 自由运动对象开始减少 RGB-D 或固定先验依赖，手物交互则将实时性、接触和数据覆盖带入 pose 任务。
6
严格收录论文
5
方法论文
3
类别级 / 可动部件
1
数据增强工作
这里的 6 篇为本站严格收录口径：标题或摘要直接涉及 object 6D pose、category-level / articulated pose、free-moving object pose，或联合输出手与物体 3D pose 的 AAAI-25 正式论文；HOGSA 作为直接服务手物 pose 学习的数据工作保留在集合内。
Collection in One Sentence
从类别内稳健估计，走向弱先验动态交互
2025 年的核心变化并非新增一个统一大模型，而是分别重构 pose pipeline 的关键先验：Universal Features Pose 以 2D / 3D 通用特征替代类别专属重训，R²-Art 将关节状态写入 RGB-only refinement，Virtual Camera 则把自由运动对象的全局优化搜索空间显式缩小。
同时，QORT-Former 和 HOGSA 把 pose 放进真实交互系统：前者限制 Transformer query / decoder 预算以满足实时性，后者直接扩充双手–物体的姿态与视角分布。对部署而言，精度、速度和数据覆盖已经不可分开讨论。
Research Trends
AAAI 2025 值得关注的三条主线
趋势归纳依据严格收录论文的任务条件与方法设计；同一篇论文可能跨越多条路线。
02 · Dynamic Objects
可动部件和自由运动对象开始摆脱固定观测条件
R²-Art 用 joint-centric prior 和 cascade rendering 处理单 RGB articulated pose；Virtual Camera 在单目视频中联合优化 shape 与 pose，不假定固定场景、手部或类别 pose prior。
03 · Interaction Systems
手、物体、接触与数据规模成为同一个问题
QORT-Former 把两手和物体分配为不同 query，并把 contact 纳入实时 Transformer；HOGSA 从数据端扩充双手–物体的 pose / viewpoint 覆盖，回应交互数据难采、遮挡重的现实瓶颈。
Data Statistics
研究方向分布
按每篇论文的主要问题设定进行互斥分类；卡片上的关键词保留交叉关系。
类别级与零样本泛化
2以 RGB-D、通用特征和自适应关键点处理类别内变化，并尝试将 pose 估计推广到训练外类别。
可动部件与自由运动
2在单 RGB 或单目视频中联合处理关节状态、对象形状与连续运动下的 pose。
手-物交互位姿
1把两只手、物体、接触关系和实时性放进统一的 3D pose / interaction understanding 框架。
交互数据与姿态覆盖
1通过可控的 3DGS 渲染与抓取 pose 优化扩展手物交互数据中的视角和姿态分布。
统计解读：直接物体 pose 的主线仍以类别级与可动部件为主，但 RGB-only、monocular video、real-time interaction 和 3DGS augmentation 分别降低了深度、固定先验、推理延迟与数据规模的限制。与单一 BOP 排名相比，AAAI-25 更强调把 pose 放进动态与交互环境。
Recommended Reading
论文推荐
推荐依据问题覆盖面和路线代表性，不等同于 AAAI 官方排名或最佳论文评选。
优先阅读
Universal Features Pose
把 2D / 3D foundation-style universal features 接入由 sparse coarse pose 到 dense refinement 的完整零样本管线，是 AAAI-25 最直接的通用类别级 pose 工作。
方向代表
KeyPose
将 keypoint 从固定语义点改为对象自适应几何锚点，并用 graph aggregation 与 NOCS voxelization 支撑 pose fitting，代表经典类别级路线的结构化改造。
优先阅读
R²-Art
把 RGB-only articulated pose、joint-centric prior deformation 与 cascade rendering 串成闭环，展示了从 RGB-D / point cloud 依赖转向单目设定的代表路线。
方向代表
Virtual Camera Pose
不依赖场景、手部或类别 pose prior，而是用 virtual camera 缩小全局序列优化搜索空间，适合观察从逐帧 pose 走向动态对象建模的趋势。
部署代表
QORT-Former
在手、物体和交互类别共享的 Transformer 中显式优化 query 数与 decoder 数，并给出实时速度，是 pose 系统将效率作为一等约束的代表。
Paper List
论文罗列与简述
每张卡片可进入本站论文详情页，查看粗读、精读、原文方法图、实验解读及外部官方链接。
2 papers
类别级与零样本泛化
以 RGB-D、通用特征和自适应关键点处理类别内变化，并尝试将 pose 估计推广到训练外类别。
AAAI 2025 方法论文
Universal Features Guided Zero-Shot Category-Level Object Pose Estimation
Wentian Qu · Chenyu Meng · Heng Li · Jian Cheng · Cuixia Ma · Hongan Wang · Xiao Zhou · Xiaoming Deng · Ping Tan
zero-shotcategory-levelRGB-Duniversal featuresdense alignment
设定：类别级 6D pose，扩展到未见类别且不额外微调
输入：RGB-D
简述：先利用 2D 通用特征建立稀疏语义对应以获得粗 pose，再以 3D 通用特征的稠密对齐约束迭代修正形状差异导致的 pose ambiguity，并在 REAL275、Wild6D 上评测未见类别。
阅读本站详情 →
AAAI 官方论文 ↗
AAAI 2025 方法论文
KeyPose: Category-Level 6D Object Pose Estimation with Self-Adaptive Keypoints
Sheng Yu · Di-Hua Zhai · Yuanqing Xia
category-levelRGB-Dself-adaptive keypointsgraph aggregationNOCS
设定：类别级 6D pose，面向外观大幅变化的未见实例
输入：RGB + point cloud
简述：用 Transformer 预测与对象几何自适应的关键点，在 keypoint-to-keypoint 和 keypoint-to-cloud 图中聚合结构信息，再通过 NOCS voxelization 精确预测 canonical keypoints 以恢复 6D pose。
阅读本站详情 →
AAAI 官方论文 ↗
2 papers
可动部件与自由运动
在单 RGB 或单目视频中联合处理关节状态、对象形状与连续运动下的 pose。
AAAI 2025 方法论文
R²-Art: Category-Level Articulation Pose Estimation from Single RGB Image via Cascade Render Strategy
Li Zhang · Haonan Jiang · Yukang Huo · Yan Zhong · Jianan Wang · Xue Wang · Rujing Wang · Liu Liu
articulated objectcategory-levelsingle RGBjoint staterender refinement
设定：单 RGB 的类别级 articulated object 各部件 6D pose
输入：RGB
简述：以 camera-to-root translation 和 rotation 的并行回归得到初值，利用预测 joint state 变换 / 形变部件先验，再以 cascade render 将三维先验投影到 2D mask 做后续 refinement。
阅读本站详情 →
AAAI 官方论文 ↗
AAAI 2025 方法论文
Free-Moving Object Reconstruction and Pose Estimation with Virtual Camera
Haixin Shi · Yinlin Hu · Daniel Koguciuk · Juan-Ting Lin · Mathieu Salzmann · David Ferstl
free-moving objectmonocular videoshape + poseimplicit representationvirtual camera
设定：自由交互物体的单目视频 shape 与连续 pose 联合优化
输入：Monocular RGB video
简述：针对相机和物体都自由运动的单目序列，以隐式表示渐进联合优化 object shape 与 pose；virtual camera system 降低全局优化的搜索空间，并在 HO3D 与 egocentric RGB 序列上验证。
阅读本站详情 →
AAAI 官方论文 ↗
1 papers
手-物交互位姿
把两只手、物体、接触关系和实时性放进统一的 3D pose / interaction understanding 框架。
AAAI 2025 方法论文
QORT-Former: Query-optimized Real-time Transformer for Understanding Two Hands Manipulating Objects
Elkhan Ismayilzada · MD Khalequzzaman Chowdhury Sayem · Yihalem Yimolal Tiruneh · Mubarrat Tajoar Chowdhury · Muhammadjon Boboev · Seungryul Baek
hand-object posetwo handsreal-time Transformercontact-awareinteraction recognition
设定：两只手与物体的联合 3D pose 和 interaction understanding
输入：RGB video
简述：把 left hand、right hand 与 object 分配为三类 query，利用 hand-object contact 和三步图像–query 交互增强表示，在仅 108 queries、1 个 decoder 的设定下实现实时联合 3D pose。
阅读本站详情 →
AAAI 官方论文 ↗
1 papers
交互数据与姿态覆盖
通过可控的 3DGS 渲染与抓取 pose 优化扩展手物交互数据中的视角和姿态分布。
AAAI 2025 数据增强
HOGSA: Bimanual Hand-Object Interaction Understanding with 3D Gaussian Splatting Based Data Augmentation
Wentian Qu · Jiahe Li · Jian Cheng · Jian Shi · Chenyu Meng · Cuixia Ma · Hongan Wang · Xiaoming Deng · Yinda Zhang
bimanual interaction3D Gaussian Splattingdata augmentationgrasp poseH2OARCTIC
设定：双手–物体交互理解的姿态 / 视角分布扩增
输入：multi-view hand-object capture / synthetic render
简述：以 mesh-based 3DGS 重建手与物体，通过超分辨率缓解多分辨率采集造成的渲染模糊，并将单手 grasp pose optimization 扩展到双手–物体场景以生成更多 photorealistic pose 与 viewpoint。
阅读本站详情 →
AAAI 官方论文 ↗
Scope & Sources
统计口径与边界
收录标准：AAAI-25 正式 Technical Track 论文中，标题或摘要直接涉及 object 6D pose、category-level pose、articulated pose、自由运动物体的 pose / shape，或联合估计手与物体 3D pose 的工作；同时保留直接支撑手物 pose 学习的 HOGSA 数据增强论文。
未计入：人体 pose、相机 / 场景相对位姿、只有 object reconstruction 但不恢复 pose 的论文、纯 action recognition、只引用 pose 作为下游背景的论文，以及 Demo / Student Abstract / Workshop。
主要来源：AAAI-25 官方会议档案、AAAI Proceedings Technical Track 6 与各论文官方页面。本站摘要为中文整理，不替代原论文。