単一のRGB画像から6自由度（6-DoF）の物体ポーズ推定を行うことは、コンピュータビジョン分野における基本的かつ長年の課題である。現在の最先端のアプローチは、深層ネットワークを用いて画像から直接回転と並進を回帰するか、あるいは2D-3D対応点を構築し、その後PnP（Perspective-n-Point）法を介して間接的にポーズを解くことで対応している。本研究では、回転と並進の性質に著しい違いがあることから、これらを別々に扱うべきであると主張する。そこで、本研究では新たな6-DoFポーズ推定手法として、座標に基づく分離型ポーズネットワーク（Coordinates-based Disentangled Pose Network; CDPN）を提案する。本手法は、ポーズを回転と並進に分離して別々に予測することで、高精度かつ高信頼性なポーズ推定を実現する。本手法は柔軟性に富み、効率的であり、テクスチャの欠如やオクルージョンが生じる物体に対しても対応可能である。LINEMODおよびOcclusionデータセットを用いた広範な実験により、提案手法の優位性が実証された。具体的には、一般的に用いられる評価指標において、従来のRGBベースの最先端手法を顕著に上回ることが示された。