01 · Visibility
遮挡从数据现象变成推理与评测变量
WALDO 用可见性引导采样、候选保留和细化；BOP-Distrib 则依据逐图可见表面定义等价 pose。二者共同反对把遮挡只当作统一噪声处理。
WACV 2026 · Paper Collection
物体位姿估计论文集
WACV 2026 的七篇核心论文呈现出一个很实用的分叉：一边继续提高未见对象在遮挡下的精度与可扩展性，另一边主动利用多视角、收窄输出空间或专用硬件约束，把位姿估计做成真正可部署的系统；与此同时，BOP-Distrib 重新追问单一真值是否足以描述当前图像。
7
核心收录论文
5
完整 6DoF 方法
1
rotation-only 方法
1
评测 / 基准论文
本站对 CVF Open Access 的 831 篇 WACV 2026 主会论文执行全量题名筛选，并复核直接候选与近邻候选的摘要、任务输出和实验协议。最终纳入 7 篇核心论文；官方日程将七篇均标为 Poster。
Collection in One Sentence
2026 的关键词不只是“更准”，而是让输入先验、输出空间与评测真值都更贴近实际可见信息
WALDO 与 OPFormer 继续推进未见对象 6D pose，但分别从遮挡下的多阶段误差传播和 foundation feature 的几何编码切入；SDT-6D 与 KMOPS 则用多视角深度或双目几何换取尺度与遮挡鲁棒性。
FastPose-ViT 和 Eff-GRot 把实时性置于中心，一个保留完整航天器 6DoF 并加入投影修正，一个只预测 rotation；BOP-Distrib 则说明图像里看不见的辨识部件会让“非对称对象”也出现多解。
Research Trends
四条研究趋势
趋势按任务假设和输出变量归纳，明确区分完整 SE(3)、rotation-only 与 pose-distribution benchmark。
02 · Foundation + Geometry
基础特征需要显式三维坐标约束
OPFormer 冻结 DINOv2，却不满足于直接 patch matching：它跨层聚合、多模板联合编码，并把 NOCS 三维位置注入 transformer 后再恢复对应。
03 · Multi-view Metric Cues
用多视角几何换取尺度和困难材质鲁棒性
SDT-6D 在稀疏三维体素中融合多视角 depth；KMOPS 不依赖深度相机，而从双目 disparity 三角化米制关键点，覆盖透明对象与多实例场景。
04 · Deliberate Efficiency
实时性来自任务与系统共同设计
FastPose-ViT 结合检测裁剪、闭式几何修正、FP16 与 TensorRT；Eff-GRot 则明确放弃 translation，以一次前向完成未见对象旋转估计。
Data Statistics
论文结构与任务口径
七篇论文形成四组互补路线；统计只计 WACV 2026 主会正式论文，不混入 workshop、人体姿态、相机定位和一般点云配准。
未见物体与模型先验
2WALDO 与 OPFormer 都面向未见对象，并把对象模型、模板与可见几何放进推理过程；前者聚焦遮挡和多假设细化，后者聚焦跨模板编码与 2D–3D 对应。
高效与专用位姿
2FastPose-ViT 用几何修正后的直接回归服务航天器边缘部署；Eff-GRot 则主动收窄为 rotation-only，以单次前向推理换取实时性。
多视角度量位姿
2SDT-6D 从多视角深度构造稀疏三维体素，KMOPS 从标定双目图像三角化关键点；两者都利用多视角几何缓解遮挡与尺度歧义。
视觉歧义与评测
1BOP-Distrib 不再把每张图的真值压缩成单一 pose，而是依据当前可见表面建立逐图位姿分布，并重新审视单解与多解方法的排名。
6 + 1
6 篇方法论文，1 篇逐图位姿分布与新评测协议论文。
5 / 1 / 1
5 篇输出完整 6DoF，1 篇只输出 rotation，1 篇不提出新估计器而重做真值与指标。
7 Posters
官方 Accepted Papers 日程将专题七篇全部列为 Poster；本站推荐不是 Oral、Highlight 或 Award 标记。
Recommended Reading
论文推荐
由于七篇均为官方 Poster，下面只给本站编辑推荐，并说明推荐理由，不把编辑选择包装成会议荣誉。
优先阅读
WALDO
它同时修改采样、多假设推理、迭代细化、遮挡增强和评测权重，适合系统理解“遮挡如何沿多阶段 pipeline 传播”，而不只是看一个最终 AR 数字。
工程代表SDT-6D
论文把多视角深度融合、高分辨率稀疏体素、分阶段热图和逐体素投票放在同一条工业 pipeline 中，适合关注 IPD、MV-YCB 与 bin-picking 部署的读者。
效率代表FastPose-ViT
它把任务定义、投影几何修正、直接回归和 Jetson TensorRT 部署连成闭环，也清楚区分 75 ms 顺序延迟与 33 FPS 并发吞吐。
优先阅读OPFormer
它不是简单套用 DINOv2，而是联合编码多模板、注入 NOCS 三维位置，再由 decoder 建立半稠密 2D–3D 对应；同时给出 CAD 与 NeRF onboarding 两条路径。
效率代表Eff-GRot
论文主动牺牲完整 SE(3) 输出，研究 reference-based rotation 能否摆脱对应、PnP 和迭代优化；适合用来讨论精度—延迟—任务完整性的三方取舍。
基准必读BOP-Distrib
它指出“对象全局对称”并不足以定义单张图的等价 pose：视点、自遮挡和外部遮挡会让本来不对称的对象在当前图像中变得多解。
工程代表KMOPS
它在整幅双目场景内并行解码实例与关键点，通过 disparity 三角化获得米制三维关键点，再闭式配准得到 rotation、translation 和 dimensions。
Paper List
论文罗列与简述
卡片优先写清输入先验、实际输出、关键机制与指标口径；详情页完成后统一切换为站内入口。
未见物体与模型先验
WALDO 与 OPFormer 都面向未见对象，并把对象模型、模板与可见几何放进推理过程；前者聚焦遮挡和多假设细化，后者聚焦跨模板编码与 2D–3D 对应。
方法论文 Poster 核心收录
WALDO: Where Unseen Model-based 6D Pose Estimation Meets Occlusion
Sajjad Pakdamansavoji · Yintao Ma · Amir Rasouli · Tongtong Cao
- 任务设定
- 测试时提供未见对象 CAD 模型；在遮挡场景中完成检测、分割、初始位姿与迭代细化
- 输入模态
- RGB-D observation + CAD model
WALDO 用可见性驱动的非均匀密集采样集中计算，保留多个置信度排序的初始位姿并迭代细化，同时加入遮挡定向增强与按可见度加权的评测。论文报告 ICBIN 准确率提升超过 5%、BOP 基准提升超过 2%，推理约快 3 倍；这些数字需要结合其重新定义的可见度统计和完整实验表理解。
unseen objectsmodel-basedocclusionmulti-hypothesisBOP
方法论文 Poster 核心收录
OPFormer: Object Pose Estimation Leveraging Foundation Model with Geometric Encoding
Artem Moroz · Vít Zeman · Martin Mikšík · Elizaveta Isianova · Miroslav David · Pavel Burget · Varun Burde
- 任务设定
- 未见对象单 RGB 6D pose；对象可由 CAD 或带位姿的多视角图像完成 onboarding
- 输入模态
- single RGB query + CAD renders / multi-view NeRF templates
OPFormer 先用 CNOS 检测对象，再以冻结 DINOv2、跨层 weight adapter、带 NOCS 三维旋转位置编码的模板 encoder 和 cross-attention decoder 建立半稠密 2D–3D 对应，最后由 PnP 求 6D pose。对象模板可来自 CAD，也可由多视角图像训练 iNGP 后渲染；论文给出的分块时间为 onboarding 每物体少于 1 分钟、检测少于 0.5 s/图、pose 少于 0.05 s/实例。
DINOv2NOCStemplate encoder2D–3D correspondencemodel-free onboarding
高效与专用位姿
FastPose-ViT 用几何修正后的直接回归服务航天器边缘部署；Eff-GRot 则主动收窄为 rotation-only，以单次前向推理换取实时性。
方法论文 Poster 核心收录
FastPose-ViT: A Vision Transformer for Real-Time Spacecraft Pose Estimation
Pierre Ancey · Andrew Price · Saqib Javed · Mathieu Salzmann
- 任务设定
- 单目航天器完整 6DoF pose；先检测裁剪，再将局部回归结果映射回全图相机坐标
- 输入模态
- single RGB image + bounding-box detector
FastPose-ViT 从检测框裁剪图直接回归平移与“表观旋转”，再用投影几何闭式公式恢复全图真实位姿，避免 PnP。模型在 SPEED / SPEED+ 上面向非 PnP 方法取得领先，并部署到 Jetson Orin Nano：端到端顺序执行约 75 ms/帧，流水并发吞吐最高 33 FPS；后者不能解释成单帧延迟 30 ms。
spacecraftdirect regressionVision TransformerTensorRTedge deployment
方法论文 Poster 核心收录
Eff-GRot: Efficient and Generalizable Rotation Estimation with Transformers
Fanis Mathioulakis · Gorjan Radevski · Tinne Tuytelaars
- 任务设定
- 给定若干已知方向的对象参考 RGB 与查询裁剪图，预测未见对象的绝对 rotation；不输出 translation
- 输入模态
- query RGB crop + posed RGB references
Eff-GRot 用冻结图像编码器提取查询与多张参考图的全局表示，把参考 rotation embedding 与查询 mask token 一起交给 transformer，在一次前向中回归查询旋转。它不需要 CAD、对象级或类别级训练，也不做显式对应、PnP 或 refinement；但任务只有 SO(3) rotation，论文关于实时性的结论不能直接外推到包含 translation 的完整 6D pipeline。
rotation-onlyposed referencesunseen objectssingle forward passmodel-free
多视角度量位姿
SDT-6D 从多视角深度构造稀疏三维体素，KMOPS 从标定双目图像三角化关键点；两者都利用多视角几何缓解遮挡与尺度歧义。
方法论文 Poster 核心收录
SDT-6D: Fully Sparse Depth-Transformer for Staged End-to-End 6D Pose Estimation in Industrial Multi-View Bin Picking
Nico Leuze · Maximilian Hoh · Samed Doğan · Nicolas R.-Peña · Alfred Schoettl
- 任务设定
- 工业与家居料箱中的多实例 6D pose；以整幅多视角深度场景联合预测任意数量目标
- 输入模态
- calibrated multi-view depth → point cloud / sparse TSDF
SDT-6D 将多视角深度融合为细粒度点云或稀疏 TSDF，用分阶段热图在不同分辨率间传递场景自适应注意先验，并以 density-aware sparse transformer 处理遮挡和非均匀三维采样，最后通过逐体素投票同时输出多个对象的位姿。实验覆盖 IPD 与 MV-YCB；论文强调的是高分辨率全稀疏计算与密集料箱中的竞争性表现。
depth-onlymulti-viewsparse transformerTSDFbin picking
方法论文 Poster 核心收录
KMOPS: Keypoint-Driven Method for Multi-Object Pose and Metric Size Estimation from Stereo Images
Ying-Kun Wu · Yi Shen · Tzuhsuan Huang · I-Sheng Fang · Jun-Cheng Chen
- 任务设定
- 单个标定双目图像对中的多对象类别、完整 6DoF pose 与米制尺寸联合估计
- 输入模态
- calibrated stereo RGB pair
KMOPS 以共享 RT-DETR encoder 和分组 transformer decoder 同时预测多个对象的类别、二维关键点、disparity 与可见性，再用标定双目三角化到米制三维，通过加权 SVD 对齐规范关键点恢复旋转、平移和尺寸。网络不把外参作为输入，但后处理三角化仍需要标定参数；实验覆盖透明对象 TOD 与大规模 StereOBJ-1M。
stereo RGBmulti-objectmetric sizekeypoint triangulationtransparent objects
视觉歧义与评测
BOP-Distrib 不再把每张图的真值压缩成单一 pose，而是依据当前可见表面建立逐图位姿分布，并重新审视单解与多解方法的排名。
基准论文 Poster 核心收录
BOP-Distrib: Revisiting 6D Pose Estimation Benchmarks for Better Evaluation under Visual Ambiguities
Boris Meden · Asma Brazi · Fabrice Mayran de Chamisso · Steve Bourgeois · Vincent Lepetit
- 任务设定
- 从既有单一 pose、对象模型、全局对称与逐图可见 mask 自动构造图像条件位姿分布
- 输入模态
- BOP annotations + 3D models + per-image visibility masks
BOP-Distrib 为 T-LESS 与 YCB-V 自动生成逐图、非参数的多模态 6D pose 真值分布，把可见表面导致的歧义纳入评测。新标注会显著改变单 pose 方法排名；论文还为只输出若干模式的分布估计器定义 pose-space precision / recall，从而首次在真实图像上定量比较多解位姿方法。
pose distributionvisual ambiguitysymmetryocclusionbenchmark
Scope & Exclusions
筛选边界与容易误收的论文
题名里出现 pose、rotation、registration 或 tracking，并不自动意味着它在估计物体 6D pose。
本专题纳入
- • 完整实例级、类别级、未见对象或专用领域 6DoF pose 方法。
- • 只输出 rotation、但明确以物体方向估计为主要任务的方法，并单独标明任务不完整。
- • 直接改变 6D pose 真值、歧义定义与评测排序的基准研究。
正文复核后排除
- • Towards Unconstrained Cross-View Pose Estimation：地面—航拍图的相机 3DoF 定位。
- • Learnable Query-Enhanced Pose Transformation：人体骨架引导的人像生成。
- • Enhanced Back-Projection ... 3D Symmetry Detection：输出对称平面 / 轴，不恢复对象相机位姿。
- • ViGG 与其他 registration / SLAM 工作：未把对象 6D pose 作为论文主要输出。
Detail Page Progress
1 / 7 篇详情页已完成
每篇详情页都将分别提供粗读、精读、经原文核验的数字，以及 2–4 张真正有解释价值的方法图、结果表或失败案例；完成后论文卡片会自动切换为站内入口。