01 · Generalization
未知物体成为主问题
Co-op、Any6D、RefPose、One2Any、Pos3R、UNOPose 等工作都在减少对固定类别、完整 CAD 或大量参考视角的依赖。泛化对象从“训练过的实例”扩展到“任意新物体”。
CVPR 2025 · Annual Review
物体位姿估计年度总结
CVPR 2025 的物体位姿论文，正在从“已知 CAD 模型上的高精度估计”转向“低先验、少参考、训练外物体的可泛化估计”。本页按统一口径整理主会论文，并把官方展示属性与本站分析分开。
17
严格收录论文
2
官方 Highlight
17
官方 Poster 页面
0
核心口径 Oral
这里的 17 篇是本站的专题收录口径，不是 CVPR 官方提供的任务分类数量。官方日程和论文页面是核对论文标题、Poster / Highlight 属性的主要来源。
查看 CVPR 2025 官方日程 →Year in One Sentence
从“有模型”走向“低先验泛化”
本届最明显的共同问题不是如何再把 seen-object 的误差降低一点，而是：当目标物体没有完整 CAD、只有单张 reference、视角不重叠、被遮挡，甚至跨越训练域时，系统还能不能给出可用的 6D pose。
因此，参考图编码、3D 重建基础模型、类别共享表示、测试时适应、uncertainty 和可插拔 refinement 成为几条互相交叉的主线。
Research Trends
研究趋势
下面的趋势是对 17 篇严格收录论文的主问题和方法关键词做的归纳；一篇论文可能同时属于多条趋势。
02 · Reference to Geometry
一张参考图正在变成隐式 3D 先验
One2Any 用 ROPE / ROC 编码参考物体，Any6D 联合对齐姿态与尺度，Pos3R 借助 3D foundation model，UA-Pose 则把部分观测显式建模为带 uncertainty 的可补全几何。
03 · Category-level
类别级方法从 NOCS 走向结构与上下文
GIVEPose 重新思考 NOCS 的 intra-class variation，SpotPose 强调 shape-sensitive correspondence 与 outlier removal，GCE-Pose 和 Global Stereo Consistency 则引入全局形状或跨视角上下文。
04 · Deployment Gap
域差距、遮挡和测试时修正成为系统瓶颈
CRISP 和 ONDA-Pose 不再把训练好的网络当作终点，而是直接处理 domain gap、伪标签、遮挡和 test-time adaptation；SCFlow2 则把 refinement 设计成可插拔组件。
Data Statistics
数据统计与分类
按本站为每篇论文指定的主线分类统计，分类互斥，方便观察年度重心；论文的交叉标签仍保留在下方列表中。
未知物体与少参考视角
8从 CAD、单张参考图或少量 RGB-D 观测出发，面向训练外物体的泛化估计。
类别级与类别无关估计
6围绕类别共享坐标、结构先验、关键点和多视图几何，提升跨实例的姿态与尺度估计。
域适应与测试时学习
2把合成到真实、遮挡和部署域差距作为核心问题，尝试在测试阶段修正模型。
可插拔位姿细化
1关注初始 pose 之后的 RGB-D refinement、场景流和几何约束。
统计解读：未知物体与少参考视角是数量最多的主线，类别级/类别无关估计紧随其后；这说明 2025 年的竞争焦点已经明显从“固定对象的单帧精度”转向“新对象 onboarding 成本、跨域稳定性和可部署性”。
Recommended Reading
论文推荐
推荐优先级结合官方 Highlight 属性、问题覆盖面和对后续研究路线的代表性，不等同于 CVPR 官方排名。
方向代表
Any6D
适合用来理解“单参考图 + 生成几何 + render-and-compare”这条新路线。
年度重点 官方 Highlight
CRISP
把位姿、形状、几何校正和测试时自训练串成完整系统，是本届最值得精读的系统型工作之一。
年度重点 官方 Highlight
CAP-Net
把 articulated object、类别级 pose/size 和新数据集结合起来，连接了位姿估计与机器人操作。
方向代表
One2Any
是“从多视图/CAD 依赖转向单参考图”的代表性论文，适合和 Any6D、UNOPose 对照阅读。
方向代表
Pos3R
展示了 3D reconstruction foundation model 如何直接成为 pose pipeline 的几何先验。
方向代表
SpotPose
适合用来理解类别级 correspondence pipeline 中“特征质量 + 异常对应剔除”的关键瓶颈。
关于 Oral：在本页严格收录的核心物体位姿论文中，当前根据官方论文页和日程核对到的是 Poster 展示；CRISP 与 CAP-Net 同时带有官方 Highlight 标记。相邻的视觉定位、相机 pose、人体 pose 和 3D reconstruction 论文没有混入这个数字。
Paper List
论文罗列与简述
点击卡片可进入本站论文详情页（含粗读、精读与原文图表）；右下角保留 CVPR 官方页面。
8 papers
未知物体与少参考视角
从 CAD、单张参考图或少量 RGB-D 观测出发，面向训练外物体的泛化估计。
CVPR 2025 Poster
Co-op: Correspondence-based Novel Object Pose Estimation
Sungphill Moon · Hyeontae Son · Dongcheol Hur · Sangwook Kim
novel objectCAD modelsemi-dense correspondencedifferentiable PnP
设定：单 RGB + 目标 CAD，训练外物体
输入：RGB
简述：用少量渲染模板建立半稠密对应关系，再结合 patch 分类、offset 回归和 probabilistic flow 做姿态细化，强调不需要针对目标物体微调。
CVPR 2025 Poster
Any6D: Model-free 6D Pose Estimation of Novel Object
Taeyeop Lee · Bowen Wen · Minjun Kang · Gyuree Kang · In So Kweon · Kuk-Jin Yoon
one referenceRGB-Dmodel-freepose + sizerender-and-compare
设定：单 RGB-D anchor + query，未知物体
输入：RGB-D
简述：从单张 RGB-D anchor 同时估计未知物体的 pose 和 size，通过 joint object alignment 与 render-and-compare 处理遮挡、非重叠视角和跨环境变化。
CVPR 2025 Poster
iG-6DoF: Model-free 6DoF Pose Estimation for Unseen Object via Iterative 3D Gaussian Splatting
Tuo Cao · Fei Luo · Jiongming Qin · Yu Jiang · Yusen Wang · Chunxia Xiao
unseen object3D Gaussian Splattingrotation-equivariant featureiterative refinement
设定：模型自由的未知物体 pose
输入：RGB
简述：先用多尺度增强和旋转等变特征生成初始 pose hypothesis，再通过迭代 3D Gaussian Splatting 渲染比较做 coarse-to-fine refinement，针对大位移和弱纹理场景。
CVPR 2025 Poster
RefPose: Leveraging Reference Geometric Correspondences for Accurate 6D Pose Estimation of Unseen Objects
Jaeguk Kim · Jaewoo Park · Keuntek Lee · Nam Ik Cho
unseen objectreference imagegeometric correspondencerefinement
设定：单目 RGB + reference image，未知物体
输入：RGB
简述：利用 reference image 提供几何对应指导：先从模板渲染和对应关系得到初始 pose，再进行 refinement，强调单目场景下训练外物体的精确估计。
CVPR 2025 Poster
One2Any: One-Reference 6D Pose Estimation for Any Object
Mengya Liu · Siyuan Li · Ajad Chhatkuli · Prune Truong · Luc Van Gool · Federico Tombari
one referenceRGB-DROPEROCcategory-agnostic
设定：单 reference-query RGB-D，任意物体相对 pose
输入：RGB-D
简述：用 Reference Object Pose Embedding 编码物体形状、姿态和纹理，再预测 Reference Object Coordinate，实现无需 CAD、多视图或类别先验的单参考 pose 估计。
CVPR 2025 Poster
Pos3R: 6D Pose Estimation for Unseen Objects Made Easy
Weijian Deng · Dylan Campbell · Chunyi Sun · Jiahao Zhang · Shubham Kanitkar · Matthew Shaffer · Stephen Gould
unseen objectsingle RGB3D foundation modelBOP
设定：单 RGB，未知物体，无额外训练
输入：RGB
简述：利用 3D 重建基础模型产生更具 3D 一致性的对应特征，在无需额外 pose training 的情况下估计未知物体 pose，并可接入 render-and-compare refinement。
CVPR 2025 Poster
UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image
Xingyu Liu · Gu Wang · Ruida Zhang · Chenyangguang Zhang · Federico Tombari · Xiangyang Ji
unseen objectone referenceRGB-DSE(3)-invariant frame
设定：单张未设姿 RGB-D reference，未知物体
输入：RGB-D
简述：把 reference acquisition 从有姿态 anchor 简化为单张未设姿 RGB-D 图像，构建 SE(3)-invariant reference frame，并按重叠概率重新加权对应关系。
CVPR 2025 Poster
UA-Pose: Uncertainty-Aware 6D Object Pose Estimation and Online Object Completion with Partial References
Ming-Feng Li · Xin Yang · Fu-En Wang · Hritam Basak · Yuyin Sun · Shreekant Gayaka · Min Sun · Cheng-Hao Kuo
partial referenceuncertaintyonline completionnovel object
设定：部分 RGB-D reference 或单张 2D 图像
输入：RGB / RGB-D
简述：显式区分 partial 3D model 的已观测与未观测区域，把 uncertainty 用于 pose confidence 和 online object completion，面向不完整参考信息。
6 papers
类别级与类别无关估计
围绕类别共享坐标、结构先验、关键点和多视图几何，提升跨实例的姿态与尺度估计。
CVPR 2025 Poster Highlight
CAP-Net: A Unified Network for 6D Pose and Size Estimation of Categorical Articulated Parts from a Single RGB-D Image
Jingshun Huang · Haitao Lin · Tianyu Wang · Yanwei Fu · Xiangyang Xue · Yi Zhu
Highlightarticulated partscategory-levelRGBD-Art
设定：单 RGB-D，类别级可动部件
输入：RGB-D
简述：提出面向类别级可动部件的单阶段 RGB-D 网络，同时预测点级类别、质心偏移和 NPCS，并发布 RGBD-Art 数据集以支持 sim-to-real 评测。
CVPR 2025 Poster
Leveraging Global Stereo Consistency for Category-Level Shape and 6D Pose Estimation from Stereo Images
Junning Qiu · Minglei Lu · Fei Wang · Yu Guo · Yonggen Ling
category-levelstereoshape estimationglobal consistency
设定：双目图像，类别级 shape + 6D pose
输入：Stereo RGB
简述：用 intra-category occupancy field 表达统一形状，并以 global stereo consistency 约束 shape、pose 等变量，减少双目条件下参数耦合和形状歧义。
CVPR 2025 Poster
Recurrent Feature Mining and Keypoint Mixup Padding for Category-Agnostic Pose Estimation
Junjie Chen · Weilong Chen · Yifan Zuo · Yuming Fang
category-agnosticfew-shot supportkeypoint localizationfeature mining
设定：少量 support 图像 + query，类别无关关键点 pose
输入：RGB
简述：面向任意新类别的 support-query pose 估计，重点挖掘细粒度、结构感知特征，并用 keypoint mixup padding 改善像素级关键点定位。
CVPR 2025 Poster
GIVEPose: Gradual Intra-class Variation Elimination for RGB-based Category-Level Object Pose Estimation
Ziqin Huang · Gu Wang · Chenyangguang Zhang · Ruida Zhang · Xiu Li · Xiangyang Ji
category-levelRGB-onlyNOCSintra-class variation
设定：RGB 类别级 pose
输入：RGB
简述：指出 NOCS map 在类别级 pose 中会携带冗余的实例差异，提出 IVFC map，并与 NOCS 互补以逐步消除 intra-class variation。
CVPR 2025 Poster
Rethinking Correspondence-based Category-Level Object Pose Estimation
Huan Ren · Wenfei Yang · Shifeng Zhang · Tianzhu Zhang
category-levelcorrespondencepose-invariant featureoutlier removal
设定：类别级对应关系 + pose fitting
输入：RGB-D / geometric input
简述：重新分析 correspondence-based 类别级 pose，将 shape-sensitive、pose-invariant 特征与显式 outlier correspondence removal 结合成 SpotPose。
CVPR 2025 Poster
GCE-Pose: Global Context Enhancement for Category-level Object Pose Estimation
Weihang Li · Hongli Xu · Junwen Huang · HyunJun Jung · Peter K. T. Yu · Nassir Navab · Benjamin Busam
category-levelpartial visibilityshape reconstructionglobal context
设定：部分可见 RGB-D 类别级 pose
输入：RGB-D
简述：先用类别原型完成实例的全局语义形状，再聚合观测与重建上下文，缓解 partial visibility 下类别级特征不完整的问题。
2 papers
域适应与测试时学习
把合成到真实、遮挡和部署域差距作为核心问题，尝试在测试阶段修正模型。
CVPR 2025 Poster Highlight
CRISP: Object Pose and Shape Estimation with Test-Time Adaptation
Jingnan Shi · Rajat Talak · Harry Zhang · David Jin · Luca Carlone
Highlightcategory-agnosticpose + shapetest-time adaptation
设定：RGB-D，类别无关 pose 与 shape
输入：RGB-D
简述：用 FiLM 条件化隐式形状重建和 pose-normalized points 估计姿态，再用 active shape model 做 correct-and-certify，并在测试时自训练以缓解 domain gap。
CVPR 2025 Poster
ONDA-Pose: Occlusion-Aware Neural Domain Adaptation for Self-Supervised 6D Object Pose Estimation
Tao Tan · Qiulei Dong
self-superviseddomain adaptationocclusion-awaresynthetic-to-real
设定：合成到真实域的自监督 6D pose
输入：RGB
简述：针对合成图像到真实图像的 domain gap 和真实遮挡难以由图像翻译覆盖的问题，设计 occlusion-aware neural domain adaptation 流程。
1 papers
可插拔位姿细化
关注初始 pose 之后的 RGB-D refinement、场景流和几何约束。
CVPR 2025 Poster
SCFlow2: Plug-and-Play Object Pose Refiner with Shape-Constraint Scene Flow
Qingyuan Wang · Rui Song · Jiaojiao Li · Kerui Cheng · David Ferstl · Yinlin Hu
pose refinementRGB-Dscene flowshape constraint
设定：可插拔 RGB-D pose refinement
输入：RGB-D
简述：在 SCFlow 的迭代 RGB refinement 上加入深度约束，把额外深度信息写成 3D scene flow regularization，目标是减少对应噪声并支持新物体。
Scope & Sources
统计口径与边界
收录标准：CVPR 2025 主会论文的标题或摘要直接涉及物体 6D pose、category-level pose、category-agnostic pose、unseen object pose 或 object pose refinement。
未计入：人体姿态、相机相对位姿、纯场景重建、纯跟踪、Workshop 论文，以及只在实验中使用 pose 但不是核心问题的论文。
主要来源：CVPR 2025 Papers、CVPR 2025 Schedule 和各论文官方 Poster / Open Access 页面。本站摘要为中文整理，不替代原论文。