arXiv · cs.AI· Yulin Wang, Mengting Hu, Hongli Li, Jianghao Zhou, Chen Luo·· 1 天前
WAPR：面向未见物体宽角度精修的基础模型
WAPR: A Foundation Model for Wide-Angle Refinement in Unseen Object Pose Estimation
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yulin Wang, Mengting Hu, Hongli Li, Jianghao Zhou, Chen Luo
期刊信息（来源提供）：In: Computer Vision - ECCV 2026, LNCS vol. 17016, pp. 221-239. Springer, Cham (2026)
首次提交：2026-10-07 14:38
研究任务与主要进展
作者提出WAPR，一种零样本宽角度6D位姿精修模型，可处理旋转偏差最高达90度的候选位姿。WAPR在每个检测实例仅需少量候选位姿时支持1秒内推理，并报告最高每秒25个检测实例的位姿估计吞吐量；作者还构建带旋转对称先验的SA6D数据集，包含约50K个增强物体实例和约2M张渲染RGB-D图像。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org