设定：类别级旋转、平移与尺度联合估计；具体任务边界待正式 PDF 核验

输入：待正式 PDF 核验

简述：官方题名明确将 geodesic flow matching 与 geometric prior 用于类别级 9DoF pose；ECCV 页面当前未公开摘要或正文，因此输入模态、网络结构、数据集和结果数字暂不推断。

设定：类别无关 pose 与遮挡鲁棒性；具体输出协议待正式 PDF 核验

输入：待正式 PDF 核验

简述：官方题名表明论文用 conditional flow matching 处理遮挡下的 category-agnostic pose estimation；当前没有公开摘要或 PDF，本站不据题名猜测关键点定义、支持图像设定或评测数字。

设定：为大规模 3D 资产建立一致方向语义，并做零样本点云朝向估计

输入：3D object assets / point clouds

简述：CanoVerse 构建覆盖 1,156 类、约 320K 对象的规范朝向数据集，并以紧凑候选生成加轻量人工判别把单对象对齐从分钟级压到秒级；除生成和检索外，论文还验证了分布外点云的 zero-shot orientation estimation。

设定：利用历史实例结构记忆辅助当前未见实例的类别级 pose

输入：RGB-D / point cloud（以预印本为准）

简述：MemPose 不再把类别知识只编码进固定参数或静态 shape prior，而以可动态更新的外部 memory buffer 保存既往实例结构表示；论文在 REAL275、CAMERA25、HouseCat6D 与 Wild6D 四个 benchmark 上验证跨实例收益。

设定：类别级关节对象的部件 pose 与形状假设；具体输出待正式 PDF 核验

输入：待正式 PDF 核验

简述：官方题名表明方法通过 pose–shape hypothesis generation and verification 处理类别级可动物体；在全文公开前，假设空间、关节参数化、输入模态与实验结论均保持待核验。

设定：参考先验引导的类别级形变与 pose alignment；细节待正式 PDF 核验

输入：待正式 PDF 核验

简述：官方题名确认 PriorPose 联合进行 reference-guided deformation 与 alignment；当前官方页没有摘要，因而 reference 的形式、是否依赖 CAD / depth 以及主结果均不作推断。

设定：大类别词汇 pose estimation；任务维度和协议待正式 PDF 核验

输入：待正式 PDF 核验

简述：题名将目标定位为 extensive classes 下、基于 rich structure prototypes 的 pose estimation；当前资料不足以判断其输出是 3D rotation、完整 6D/9D pose 还是类别无关关键点，待正文公开后复核收录边界。

设定：一个或少量无位姿参考视图下，对未见对象估计 6D pose

输入：reference RGB(/D) + query RGB(/D)

简述：PANY 以多视图 Transformer 几何骨干学习跨视图一致的结构与对齐线索，并用 pose-graph canonical registration 聚合可选的无位姿辅助视图；预印本报告 YCB-V 提升 12 个百分点、LM-O 提升超过 20 个百分点。

设定：利用单目深度线索增强 6D pose；具体对象设定待正式 PDF 核验

输入：monocular RGB / predicted depth（待核验）

简述：官方题名确认该工作以 monocular depth cues 增强 6D object pose estimation；在摘要和正文公开前，本站不推断深度来自冻结基础模型还是联合训练，也不填写未经核验的 benchmark 结果。

设定：零样本 6D object pose，目标是不依赖 refinement

输入：待正式 PDF 核验

简述：官方题名明确提出 unified flow-based、zero-shot 与 without refinement 三个目标；但 flow 的类型、对象先验、输入模态和速度—精度权衡尚无公开证据，暂不填写结果数字。

设定：未见物体的大初始角误差 pose refinement

输入：待正式 PDF 核验

简述：ECCV 正文尚未公开；BOP 方法记录显示 WAPR 面向可达约 ±90° 初始误差的 wide-angle refinement，并通过多候选、迭代更新处理 unseen-object pose。具体训练、输入和正式论文结果仍待核验。

设定：真实工业料箱中反光、对称、无纹理与重遮挡对象的 6D pose benchmark

输入：multi-sensor RGB / grayscale / depth

简述：ECCV 接收版提供 75 个多视角真实场景、约 273K 个金属与高对称对象标注，并通过抗反射喷涂、多视图深度融合和半自动复核建立毫米级标注；多种 SOTA 方法在该设置下相较家居 benchmark 明显退化。

设定：以保持几何一致性的生成图像服务 6D object pose training

输入：待正式 PDF 核验

简述：论文题名把图像生成的约束明确落在 6D pose 所需的几何保持上，属于直接服务 pose 的数据生成工作；生成器、条件信号、标注保持方式和下游增益等待正式正文核验。

设定：单目 RGB-D 视频中同时跟踪并在线重建多个未知刚体对象

输入：RGB-D video + sparse point prompts

简述：Point2Pose 从对象上的稀疏图像点初始化，用长程 2D point tracker 获取跨时刻对应，结合深度建立对象中心 3D keypoint map 并恢复 pose，同时增量重建 TSDF；预印本报告其在重遮挡 benchmark 上达到可比 SOTA，并额外支持多对象与完整遮挡恢复。

设定：单幅 RGB 中对未见对象和新交互联合估计手—物 3D pose

输入：RGB + predicted point cloud + text descriptions

简述：GenHOI 用层次语义 prompt 编码对象、手与交互，并以图像、文本和内部点云做 masked modeling；预测手旋转 / 关节再约束对象 6D pose。DexYCB S3 的对象 ADD-0.5D 与 ADD-S 报告值显著领先，但手部指标仅与 UniHOPE 接近，且 18 FPS 不含离线文本生成。

设定：第一人称野外 RGB 中联合恢复双手与对象 pose、mesh 和接触

输入：egocentric monocular RGB

简述：论文建立 2,272 clips、62.3K frames 的 EPIC-Contact，并以 HOPformer 通过 12 层 cross-attention 将 WiLoR 手部先验注入对象特征。相对最强 JointTransformer，EPIC 的 SR@0.05 从 17.6% 升至 29.8%、CDev 从 30.1 降至 20.7 mm；摘要“接近翻倍 / 降低 75%”更接近相对 ArcticNet-SF 的口径。主 pose 表使用 oracle mesh，自动分类准确率为 52.9%。