TransNormal-2：基于几何的整流流，具有边缘感知解码，可实现精确的法线估计

基于扩散的模型可以实现单目几何估计，但它们的像素空间精度受到共享的、未充分研究的误差源的限制：VAE 重建退化。 VAE 编码器-解码器中的 8 倍空间压缩会降低对象边界处的表面法线；即使编码和解码 真值 法线也会引入 1.3--8.5° 的平均角度误差 (MAE)，其中边缘 MAE 达到全局 MAE 的 2.8 倍。我们提出了 TransNormal-2，这是一种基于 FLUX.2 的整流流框架，具有单步确定性推理，可以解决 VAE 解码器两侧的这种退化问题：在训练期间如何监督潜在预测，以及在推理时如何纠正解码的法线。首先，几何感知像素空间损失，包括逆渲染自一致性、von~Mises-Fisher 角度损失和小波边缘感知正则化，通过在 VAE 解码后强制球面法线几何和漫射图像形成线索来补充潜在的 MSE。其次，轻量级几何细化模块 (GRM) 应用 RGB 引导的残差校正来减少边界局部解码错误，而无需自由重写粗略预测。在一般场景基准测试中，TransNormal-2 在所有八个报告指标上均匹配或超过 MoGe-2，同时仅使用 1.4% 的特定任务正常注释。透明物体的增益最为明显，与之前最强的基线相比，ClearGrasp 上的 MAE 降低了 4.2°，ClearPose 上的 MAE 降低了 3.1°。代码将在https://longxiang-ai.github.io/TransNormal-2发布。