WAPR: A Foundation Model for Wide-Angle Refinement in Unseen Object Pose Estimation

📄 arXiv: 2610.09535v1 📥 PDF

作者: Yulin Wang, Mengting Hu, Hongli Li, Jianghao Zhou, Chen Luo

分类: cs.CV, cs.AI, cs.RO

发布日期: 2026-10-07

备注: Accepted to ECCV 2026. 19 pages, 4 figures. Yulin Wang and Mengting Hu contributed equally. Corresponding author: Chen Luo

期刊: In: Computer Vision - ECCV 2026, LNCS vol. 17016, pp. 221-239. Springer, Cham (2026)

DOI: 10.1007/978-3-032-37383-0_13

🔗 代码/项目: GITHUB

💡 一句话要点

提出WAPR以解决未见物体的6D姿态估计问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 6D姿态估计 旋转对称 零-shot学习 深度学习 计算机视觉 机器人技术 数据增强

📋 核心要点

  1. 现有方法在未见物体的6D姿态估计中存在准确性不足和推理速度慢的问题，限制了其实际应用。
  2. WAPR模型通过引入旋转对称先验和角度平衡损失，能够高效地精炼候选姿态，支持快速推理。
  3. 在七个BOP核心数据集上的实验表明，WAPR在未见物体的6D姿态定位和检测上达到了最先进的性能，显著提升了推理速度和准确性。

📝 摘要（中文）

现实应用要求6D姿态估计在未见物体上准确、快速且可扩展。本文提出WAPR，一个零-shot宽角度姿态精炼模型，能够精炼旋转偏差高达90度的候选姿态。WAPR支持每个检测到的物体实例仅需12个候选姿态，推理速度快，达到每帧1秒内完成，且每秒可处理25个检测实例。为支持旋转对称物体的宽角度训练，WAPR利用旋转对称先验在损失计算前对对称等价的姿态目标进行规范化。此外，构建了SA6D，一个大规模的6D训练数据集，包含944个GSO扫描的KASAL辅助旋转对称先验，并通过几何和纹理增强扩展至约50K个增强物体实例和约200万张渲染的RGB-D图像。实验结果表明，WAPR在未见物体的6D姿态定位和检测上达到了最先进的性能。

🔬 方法详解

问题定义：本文旨在解决未见物体的6D姿态估计问题，现有方法在处理旋转偏差和推理速度方面存在不足，尤其是在复杂场景中。

核心思路：WAPR通过零-shot学习和旋转对称先验来规范化姿态目标，利用少量候选姿态进行快速精炼，从而提高姿态估计的准确性和效率。

技术框架：WAPR的整体架构包括候选姿态生成、旋转对称先验应用、损失计算和姿态精炼四个主要模块。首先生成候选姿态，然后应用旋转对称先验进行规范化，接着计算损失并进行姿态精炼。

关键创新：WAPR的主要创新在于引入了旋转对称先验和角度平衡损失，这使得模型能够在处理高旋转偏差时保持稳定性，并有效减少大误差案例的影响。

关键设计：WAPR的关键设计包括使用12个候选姿态进行快速推理，角度平衡损失函数的设计，以及通过几何和纹理增强生成的大规模训练数据集SA6D，确保模型在多样化场景中的泛化能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在七个BOP核心数据集上的实验结果显示，WAPR在未见物体的6D姿态定位和检测上达到了最先进的性能，推理速度可达每秒25个实例，且在旋转偏差高达90度的情况下仍能保持高准确性，显著优于现有方法。

🎯 应用场景

WAPR模型在机器人视觉、自动驾驶、增强现实等领域具有广泛的应用潜力。其高效的6D姿态估计能力可以帮助机器人更好地理解和交互未见物体，从而提升自动化水平和用户体验。未来，该技术可能推动智能设备在复杂环境中的自主操作能力。

📄 摘要（原文）

Real-world applications require 6D pose estimation to be accurate, fast, and scalable to unseen objects. This paper introduces WAPR, a zero-shot wide-angle pose refinement model that refines candidate poses with rotational deviations up to 90 degrees. With as few as 12 candidate poses per detected object instance, WAPR supports fast inference within 1 s per frame and reaches a pose-estimation throughput of up to 25 detected object instances per second. To support wide-angle training for rotationally symmetric objects, WAPR uses rotational symmetry priors to canonicalize symmetry-equivalent pose targets before loss computation. We further construct SA6D, a large-scale 6D training dataset with such priors. SA6D obtains KASAL-assisted rotational symmetry priors for 944 GSO scans and expands them through geometry and texture augmentation into about 50K augmented object instances and about 2M rendered RGB-D images. In addition, an angle-balanced loss stabilizes learning across different angular ranges by reducing the influence of uninformative large-error cases. Experiments on seven BOP core datasets show that WAPR achieves state-of-the-art performance in unseen-object 6D pose localization and detection under both fast and unconstrained inference settings. Project page: https://github.com/WangYuLin-SEU/WAPR.