Skip to content
Hot eventLive

RYOPO：实时端到端类别级物体位姿估计

1 reports1 sources16 hr ago updated

Get the story

AI overview

2026年10月5日，arXiv 计算机视觉（一手）发布 RYOPO，提出端到端可训练的查询式 RGB-D 集合预测器，联合完成检测、分割与 9-DoF 位姿估计，无需 CAD 形状先验或单独训练的实例分割器。该方法通过共享图像与场景编码避免逐物体裁剪编码，在 NOCS 上显著优于已发表的 RGB-D 联合检测与位姿估计结果，并在 REAL275 与 HouseCat6D 全物体评估中达到与两阶段方法相当的性能。目前未见后续报道或同行评议信息。

Generated from reports · updated 16 hr ago

LatestOct 5
2026-10-05 arXiv 发布 RYOPO，宣称在 NOCS 显著优于已发表 RGB-D 联合方法，REAL275 与 HouseCat6D 达两阶段方法水平。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Computer Vision
    RYOPO：将端到端类别级物体位姿估计带入实时

    RYOPO 提出端到端可训练的查询式 RGB-D 集合预测器，联合完成检测、分割与 9-DoF 位姿估计，无需 CAD 形状先验或单独训练的实例分割器。共享图像与场景编码避免逐物体裁剪编码，在 NOCS 上显著优于已发表的 RGB-D 联合检测与位姿估计结果，并在 REAL275 与 HouseCat6D 全物体评估中达到与两阶段方法相当的性能。

Heat trend

Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.