TransNormal-2：基于几何的 Rectified Flow 与边缘感知解码，实现精确法线估计
TransNormal-2 是一个基于 FLUX.2 的 Rectified Flow 框架，用于从单张图像估计表面法线。研究指出，VAE 编码器和解码器的八倍空间压缩是造成像素级误差的重要来源，尤其会影响物体边界。该方法结合了几何感知的像素空间损失，包括逆渲染一致性、von Mises–Fisher 角度损失和小波边缘正则化，并加入由 RGB 引导的轻量级几何细化模块。系统支持单步确定性推理。在通用场景基准测试中，TransNormal-2 在报告的八项指标上均达到或超过 MoGe-2，同时只使用了 1.4% 的任务专用法线标注。对于透明物体，该方法在 ClearGrasp 上将平均角度误差降低 4.2 度，在 ClearPose 上降低 3.1 度。代码将会公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。