介绍了一种新型深度学习方法DPOD，能够从RGB图像中检测三维物体和估计六自由度姿态。该方法通过计算二维三维对应关系图和使用深度学习的自定义方案对姿态进行优化。具有精度和实时性能。

DiffCAD是一种从RGB图像中检索和对齐CAD模型的方法，实现基于三维物体的场景表示。它利用扩散学习隐式概率模型来捕捉CAD对象在图像中的形状、姿态和尺度，并对深度/尺度和形状匹配的歧义进行建模。这是一种弱监督的条件生成方法。

我们提出了一种无姿势大重建模型（PF-LRM），可以从少数非姿势图像中重建三维物体，同时在单个A100 GPU上估计相机姿势，仅需约1.3秒。PF-LRM利用自注意力块在三维物体标记和二维图像标记之间交换信息，具有强大的泛化能力，并在未见评估数据集上超越基线方法。模型适用于下游文本/图像到三维任务，并具有快速的前馈推理。