本論文では、単一のRGB画像から物体の連続的な6自由度（6-DoF）ポーズ（3次元移動と回転）を推定する新しい手法を提案します。この手法は、畳み込みニューラルネットワーク（convnet）によって予測された意味的キーポイントと変形可能な形状モデルを組み合わせています。従来の研究とは異なり、当手法は物体がテクスチャを持つか否かに依存せず、convnetが利用可能な訓練画像データから最適な表現を学習します。さらに、この手法はインスタンスベースおよびクラスベースのポーズ復元に適用することができます。実験結果から、当手法が雑多な背景条件下でインスタンスベースおよびクラスベースのシナリオにおいて6-DoF物体ポーズを正確に復元できることを示しています。クラスベースの物体ポーズ推定に関しては、大規模なPASCAL3D+データセット上で最先端の精度を達成していることが確認されています。