本文研究了对象的对称性与其在图像中的出现之间的联系，并提出了一种基于姿态旋转归一化的简单有效的解决方案，并在 T-Less 数据集上验证了该方法。
Aug, 2019
本篇论文提出 SyntheticP3D 数据集和 CC3D 方法，结合这两种方法可以实现在只用 10% 的真实数据的情况下，与当前最先进的模型在物体位姿估计方面取得了可与之媲美结果，在采用 50% 的真实数据时还超越了 SOTA 模型 10.4%。
May, 2023
本文提出了一种基于图像合成模块和基于梯度的拟合过程相结合的方法，能够通过显式地表示个别物体实例的需求，来隐式地表示整个物体类别的外观、形状和姿态，从而无需每个物体实例都有一个显式的 CAD 模型。该方法包括图像合成台阶、对应误差度量的拟合台阶和对输入参数的反向传播优化台阶，且实验证明该方法可以仅通过 2D 图像就能准确地恢复物体的方向和全姿态。
Aug, 2020
本研究旨在解决 3D 物体检测与姿态估计的评估问题，通过自动技术生产全注释 RGBD 数据的多个对象，并提出一致的评估方法和数据集，以获得更高的性能表现。
Jun, 2018
本文介绍了一种用于三维目标姿态估计的新方法，将 RGB 图像与 CAD 模型匹配以实现目标姿态估计，通过学习选择关键点并保持视角和模态不变性的目标，消除了对昂贵的三维姿态注释的需求，并通过大量实验证明了该方法能够可靠地估计 RGB 图像中的目标姿态以及推广到训练期间未看到的目标实例。
Nov, 2018
通过 SymCode 编码方法和 SymNet 网络模型，实现对对称物体的 6D 姿态参数的快速准确估计。
May, 2024
我们提出了一种完全通用的深度姿态估计方法，通过动态条件姿态估计和目标物体的 3D 模型表示相结合，能够对不属于预定义类别的自然实体进行训练并将其推广到全新类型的 3D 对象。
Jun, 2019
本文提出了一种新的任务，在单张含人像和人像在镜中映射的图像中重建 3D 人体姿势，借助镜面反射可以提供额外的视角，旨在提高现有单视角 3D 姿势估计器的准确性和通用性。
Apr, 2021
基于深度学习的物体姿态估计的最新进展、挑战和未来研究方向的综述。
通过使用编码器 - 解码器网络以及 PnP-RANSAC 算法，估算单张 3D 模型可得的 RGB 输入图像中刚性对象的 6D 位姿，对具有全局或部分对称性的挑战性物体采用紧凑表面片段进行表示。
Apr, 2020