设定：训练外刚体对象；以模型与场景 RGB-D 的局部对应恢复 6D pose

输入：RGB-D + object model

简述：以 Fuse–Describe–Match 管线学习旋转不变的几何描述子，再通过注意力把 RGB 纹理融合进描述空间，缓解纯几何匹配在对称或重复结构上的歧义；无需为新对象重训或做大规模模板渲染。

设定：训练外刚体对象；统一 CAD-based 与少量参考图 model-free 两种设定

输入：RGB-D + CAD or posed references

简述：CAD 已知时直接渲染对象，CAD 缺失时由少量带姿态参考图拟合对象中心 neural field；两种模式共享 RefineNet 与 ScoreNet，可对训练未见对象即时做 pose estimation 和 tracking。

设定：单 RGB、已知 CAD 的实例级 6DoF pose；无需迭代 refinement

输入：RGB + CAD render

简述：第一阶段分类粗姿态并渲染 CAD，第二阶段通过 multi-scale residual correlation 对输入与渲染图做高低层对应，再回归细粒度残差；用软概率 pose 标签处理对称物体，强调单次前向推理。

设定：已知对象模型的单帧 RGB-D 实例级 pose；以无渲染细化的对应求解追求实时

输入：RGB-D + CAD model

简述：把 CAD 表面编码为层级二进制区域，从 point-to-surface 的粗对应开始逐层收缩区域并同步剔除离群点，最终得到 3D–3D 对应与 pose；目标是在不依赖昂贵 render-based refinement 时保持高精度。

设定：给定新对象 CAD 与初始 pose，以通用光流网络迭代细化训练外对象

输入：RGB or RGB-D + CAD render

简述：预测观测图与当前 CAD 渲染之间的稠密 flow、置信度和 pose 更新，用 3D 形状约束与可微 PnP 保持投影几何一致；级联多尺度相关体支持 coarse-to-fine 的循环细化。

设定：单 RGB、目标 CAD 与对象检测；训练外对象的快速 coarse pose

输入：RGB + CAD templates

简述：先在只含两个旋转自由度的 CAD 模板库中检索 out-of-plane rotation，再用一个局部对应恢复 in-plane rotation、尺度和图像平移；相较既有模板方法显著提速，并可无缝接 refinement。

设定：给定目标 CAD，在杂乱 RGB-D 中同时发现所有目标实例并估计训练外 pose

输入：RGB-D + CAD templates

简述：ISM 让 SAM / FastSAM 产生开放候选，再以语义、外观和几何分数筛选目标；PEM 把 pose 作为 partial-to-partial 3D matching，以 background tokens 与粗到细对应恢复 SE(3)。

设定：用扩散模型中间特征增强训练外对象的图像 pose 表示

输入：RGB + object model / templates

简述：分析 Stable Diffusion 等生成模型中间特征的视角与对象泛化能力，并设计三种不同粒度的聚合架构用于 object pose；论文在 LM、O-LM 与 T-LESS 上重点报告未见对象提升。

设定：只给新对象的一张参考 RGB，在查询图中预测对象相对视角

输入：reference RGB + query RGB

简述：以 pose-conditioned U-Net 直接合成环绕对象各候选视角的判别 embedding，再让查询图与这些 viewpoint embeddings 匹配；不需要 CAD、对象级训练或多视图扫描，重点输出相对旋转。

设定：参考—查询 RGB 图像对；无 CAD 地一次前向恢复训练外对象的相对 pose

输入：reference RGB + query RGB

简述：分别把 reference 与 query 提升到对象中心 3D voxel，再用 weighted closest voxel 建立抗噪对应并通过加权最小二乘直接求相对 pose；避免枚举并逐一打分大规模离散姿态假设。

设定：文本指定目标，在两个不同场景的 RGB-D 图像中定位对象并估计相对 6D pose

输入：text + reference/query RGB-D

简述：用文本提示驱动 VLM 在两幅 RGB-D 场景中分割同一目标，再把 prompt 的对象级语义与局部图像特征融合，建立跨场景点对应并求相对 SE(3)；新 benchmark 基于 REAL275 与 Toyota-Light。

设定：类别级 RGB-D pose 的后端细化；处理观测实例与类别 shape prior 的形状偏差

输入：point cloud + initial pose + shape prior

简述：用 HS-layer、可学习仿射变换和 cross-cloud transformation 对齐观测点云与类别先验，在类别内形变下细化旋转；同时利用 shape prior 回归平移与尺寸误差，补足实例级 refiner 难以迁移的问题。

设定：只用无标注对象中心视频建立类别规范系，并学习单图 3D orientation

输入：unlabeled RGB videos → single RGB

简述：先以粗 mesh、DINOv2 外观特征和 cyclic distance 对不同视频做规范相机对齐，再利用对齐结果与重建模板训练单图 dense correspondence 网络；避免人工 pose 标签、CAD 与 RGB-D。

设定：单 RGB 下学习条件 pose 分布，而非把对称 / 遮挡多解压成单一回归值

输入：RGB

简述：在 SE(3) 群上训练条件 score-based diffusion，以 surrogate Stein score 改善去噪收敛与效率；输出可覆盖多个等价或近似 pose 的后验样本，而不是只产生单一确定解。

设定：RGB-D 类别级 pose 与尺寸；不使用单一 mean shape 压缩实例几何

输入：RGB-D / point cloud

简述：把 DINOv2 的类别语义与局部—全局 SE(3)-invariant 几何特征逐点对齐，形成随坐标变换保持一致的双流对象表示，再从相机空间映射到规范空间；在 REAL275 与 HouseCat6D 上评测。

设定：单 RGB、已知对象模型；以扩散式 2D keypoint 去噪恢复实例级 6D pose

输入：RGB + 3D keypoints

简述：把 2D keypoint 检测写成条件反向扩散过程，并用 Mixture-of-Cauchy 前向噪声贴合遮挡和背景导致的重尾误差；去噪后的 2D–3D 对应交给几何求解器恢复 pose。

设定：类别已知、实例未见；不依赖类别特定 mean shape 的 6D pose 与尺寸

输入：RGB-D / point cloud

简述：Instance-Adaptive Keypoint Detection 为不同实例选择可表达其几何的稀疏关键点，Geometric-Aware Feature Aggregation 再汇聚局部与全局结构，建立到规范坐标的关键点级对应。

设定：连续点云流中联合追踪未知对象 6DoF pose 与当前可见形状

输入：point cloud stream + language

简述：用 pairwise implicit 3D representation 建模相邻点云的时空变化，并通过多层次 3D–language 对比对齐获得零样本语义泛化；同一网络同时输出逐帧 pose tracking 与对象形状重建。

设定：给定模型点云，在场景点云中发现未知数量实例并恢复每个实例的刚体变换

输入：model point cloud + scene point cloud

简述：粗层级迭代学习 instance-aware superpoint features 与实例 masks，细层级按 mask 生成每个实例候选对应，最后用候选筛选与 refinement 输出多组 SE(3)，避免昂贵 multi-model fitting。

设定：真实家庭场景中的类别级 pose、尺寸与抓取评测，包含困难材质和大视角变化

输入：RGB + depth + polarization

简述：发布带同步 RGB、主动双目深度和偏振图像的真实数据集，覆盖无纹理、反光与半透明对象；pose 标注误差约 1.35–1.74 mm，并附密集 6D 平行夹爪抓取标注与类别级基线。

设定：工业工作空间内联合评估相机、曝光 / 光照和 6DoF pose 算法

输入：13 calibrated multimodal cameras

简述：IPD 含 2,300 个物理场景、20 个工业零件、超过 10 万对象视图；每个场景由 13 台标定相机、4 档曝光和 3 种光照采集，并提出 robot consistency 评估规模化高精度。

设定：跨时间稀疏扫描中匹配已移动对象，估计每个对象 6DoF 运动并累积重建

输入：multi-temporal 3D scans

简述：SE(3)-equivariant encoder–decoder 同时支持跨扫描实例匹配、注册和重建，联合优化把同一对象在多时刻的点云变换到共同坐标系，恢复对象移动并持续提高几何完整度。

设定：由未知关节对象在两个 articulation state 下的 RGB-D 扫描恢复形状、部件与关节变换

输入：two RGB-D scans

简述：先分别重建两个状态的对象级隐式形状，再融合图像、3D 重建、点对应与运动学线索，恢复部件分割和连接两状态的关节 articulation；支持多个可动部件且不依赖对象形状 / 结构先验。