文章目录 摘要贡献方法 摘要   本文提出一种特征融合网络，用于直接从RGB图像进行姿态估计，而无需任何深度信息。首先，我们引入一个由分割分支和回归分支组成的双流架构。分割分支处理空间嵌入特征并获得相应的图像裁剪。这些功能与融合网络中的图像裁剪进一步耦合。其次，我们在回归分支中使用高效的透视 n 点 （E-PnP） 算法来提取 3D 和 2D 关键点之间的鲁棒空间特征。最后，我们