Nous introduisons HybridPose, une nouvelle approche pour l'estimation de la pose 6D d'objets. HybridPose utilise une représentation intermédiaire hybride pour exprimer diverses informations géométriques présentes dans l'image d'entrée, notamment des points clés, des vecteurs d'arêtes et des correspondances de symétrie. Contrairement à une représentation unifiée, notre représentation hybride permet à la régression de pose d'exploiter des caractéristiques plus nombreuses et diversifiées lorsque l'une des représentations prédites est imprécise (par exemple, en cas d'occlusion). Toutes les représentations intermédiaires utilisées par HybridPose peuvent être prédites par le même réseau neuronal simple, et les valeurs aberrantes dans ces représentations prédites sont filtrées par un module de régression robuste. Par rapport aux méthodes les plus avancées d'estimation de pose, HybridPose présente des performances comparables en termes de temps d'exécution et de précision. Par exemple, sur le jeu de données Occlusion Linemod, notre méthode atteint une vitesse de prédiction de 30 fps avec une précision moyenne ADD(-S) de 47,5 %, ce qui représente une performance de pointe. L'implémentation de HybridPose est disponible à l'adresse suivante : https://github.com/chensong1995/HybridPose.