論文の概要: TransNormal-2: Geometry-Grounded Rectified Flow with Edge-Aware Decoding for Precise Normal Estimation
- arxiv url: http://arxiv.org/abs/2609.06665v1
- Date: Sun, 06 Sep 2026 15:15:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 04:56:28.894114
- Title: TransNormal-2: Geometry-Grounded Rectified Flow with Edge-Aware Decoding for Precise Normal Estimation
- Title（参考訳）: TransNormal-2: 精密正規推定のためのエッジ認識デコード付き幾何球形整流流
- Abstract要約: TransNormal-2はFLUX.2ベースの修正フローフレームワークである。
トレーニング中に潜伏予測がどのように教師されるか、そして推論によって復号された正規値がどのように修正されるかを示す。
一般的なベンチマークでは、TransNormal-2はMoGe-2と一致または超過するが、タスク固有の通常のアノテーションの1.4%しか使用していない。
- 参考スコア（独自算出の注目度）: 33.16284424429254
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Diffusion-based models enable monocular geometry estimation, yet their pixel-space precision is limited by a shared, under-studied error source: VAE reconstruction degradation. The 8x spatial compression in the VAE encoder-decoder degrades surface normals at object boundaries; even encoding and decoding ground-truth normals introduces 1.3--8.5° of mean angular error (MAE), with edge MAE reaching 2.8x the global MAE. We present TransNormal-2, a FLUX.2-based rectified-flow framework with single-step deterministic inference that addresses this degradation on both sides of the VAE decoder: in how latent predictions are supervised during training, and in how decoded normals are corrected at inference. First, geometry-aware pixel-space losses, including inverse rendering self-consistency, von~Mises-Fisher angular loss, and wavelet edge-aware regularization, complement latent MSE by enforcing spherical normal geometry and diffuse image-formation cues after VAE decoding. Second, a lightweight Geometric Refinement Module (GRM) applies an RGB-guided residual correction to reduce boundary-localized decoding errors without freely rewriting the coarse prediction. On general-scene benchmarks, TransNormal-2 matches or exceeds MoGe-2 on all eight reported metrics while using only 1.4% as many task-specific normal annotations. The gains are clearest for transparent objects, reducing MAE by 4.2° on ClearGrasp and 3.1° on ClearPose over the strongest prior baselines. Code will be released at https://longxiang-ai.github.io/TransNormal-2.
- Abstract（参考訳）: 拡散に基づくモデルは単分子幾何学的推定を可能にするが、そのピクセル空間の精度は共有され、未研究の誤差源によって制限される: VAE再構成分解。
VAEエンコーダ・デコーダの8倍の空間圧縮は、オブジェクト境界における表面正規度を劣化させ、符号化や復号さえも平均角誤差(MAE)の1.3-8.5°を導入し、エッジMAEはグローバルMAEの2.8倍に達する。
FLUX.2ベースの整流フローフレームワークであるTransNormal-2について,VAEデコーダの両側でこの劣化に対処する単一ステップ決定論的推論手法を提案する。
第一に、逆レンダリング自己整合性、von~Mises-Fisher角損失、ウェーブレットエッジ認識正規化を含む幾何学的画素空間の損失は、VAE復号後の球面正規幾何と拡散像形成手がかりを強制することにより、潜時MSEを補完する。
第二に、軽量なGeometric Refinement Module (GRM) は、粗い予測を自由に書き直すことなく、RGB誘導残差補正を用いて境界局所化復号誤差を低減する。
一般的なベンチマークでは、TransNormal-2は、タスク固有の通常のアノテーションの1.4%しか使用せず、報告されている8つのメトリクスすべてでMoGe-2と一致または超えている。
透明な物体では利得が最も鮮明であり、クリアグラフでは4.2°、ClearPoseでは3.1°減少する。
コードはhttps://longxiang-ai.github.io/TransNormal-2でリリースされる。
関連論文リスト
- Steer the Sampling, Not the Kernel Grid: Geometry-Guided Sampling Operator for Volumetric Segmentation [9.411407984734854]
畳み込みカーネルを変形させるのではなく,特徴をどこにサンプリングするかを制御できる幾何誘導型局所演算子を提案する。
各ボクセルでは、これらの方向に沿って対称にサンプルする、局所的な向きと有界なステップサイズを予測する。
ストライド1とストライド2を3D U-Netで置き換えると、BraTS、MSD肝血管、TDSC-ABUSが一貫した改善がなされる。
論文 参考訳（メタデータ） (2026-08-26T14:01:36Z) - GLID: Gated Local Intrinsic Dimension Repairs the Blind Spots of Face-Forgery Detectors [4.564848621539382]
ファインチューニングされたファウンデーションモデル検出器がフェイスフォージェリーベンチマークを支配しているが、訓練を受けていないジェネレータファミリーには目が見えていない。
GLIDは、データの代わりに幾何学でこの盲点を修復する検出器である。
GLIDは、単一の画像のパッチトークンを多様体からのサンプルとして扱い、その局所固有次元(LID)を凍結視覚変換器のいくつかの深さで推定する。
論文 参考訳（メタデータ） (2026-07-21T06:52:46Z) - Hierarchical Transformer Preconditioning for Interactive Physics Simulation [28.137076331332413]
階層型トランスフォーマープレコンディショナー(Hierarchical Transformer Preconditioner)は、弱い許容率のH行列分割に固定されたニューラルプレコンディショナーである。
ネットワークは低ランクの遠距離因子を通して逆をモデル化する。
高速道路の接続を利用して、奥行きを隔ててコンテキストを伝播する。
論文 参考訳（メタデータ） (2026-05-13T11:02:27Z) - Poppy: Polarization-based Plug-and-Play Guidance for Enhancing Monocular Normal Estimation [69.74622862203036]
Poppyは、テスト時に単発偏光測定を使用して、凍結したRGBバックボーンから正規性を洗練する、トレーニング不要のフレームワークである。
微分可能なレンダリング層は、精製された正規項を偏光予測に変換し、観察された信号とミスマッチをペナライズする。
これらの結果から, 学習したRGBに基づく偏極キューを用いた正規分布推定器の誘導は, 再学習することなく, 挑戦面上の正規分布を洗練させることがわかった。
論文 参考訳（メタデータ） (2026-03-29T22:05:09Z) - LEPA: Learning Geometric Equivariance in Satellite Remote Sensing Data with a Predictive Architecture [2.618539394367099]
本稿では,大規模な衛星リモートセンシングデータに対する埋め込み予測のための新しいアーキテクチャを提案する。
平均化の代わりに、EPAはNASA/USGSランドサット・センチネル(HLS)画像とLNetイメージ0.8kを直接予測するために埋め込みに潜伏している。
論文 参考訳（メタデータ） (2026-03-07T14:56:15Z) - RSAR: Restricted State Angle Resolver and Rotated SAR Benchmark [61.987291551925516]
単位円制限損失を組み込んで角度予測精度を向上させるユニットサイクルリゾルバを導入する。
提案手法は,既存の最先端教師あり手法の性能を効果的に向上させることができる。
UCRの助けを借りて、これまでで最大の多クラス回転SARオブジェクト検出データセットであるRSARをさらに注釈し、導入する。
論文 参考訳（メタデータ） (2025-01-08T11:41:47Z) - Learning Signed Hyper Surfaces for Oriented Point Cloud Normal Estimation [53.19926259132379]
我々は,符号付きハイパー曲面の学習による点雲の向きの正規分布推定のためのSHS-Netと呼ばれる新しい手法を提案する。
符号付き超曲面は、局所的および大域的な情報を集約する高次元特徴空間において暗黙的に学習される。
注意重み付き正規予測モジュールをデコーダとして提案し,局所およびグローバル潜時符号を入力として向きの正規を推定する。
論文 参考訳（メタデータ） (2023-05-10T03:40:25Z) - Enhanced Laser-Scan Matching with Online Error Estimation for Highway
and Tunnel Driving [0.0]
Lidarデータは、自動運転車やモバイルロボットプラットフォームのナビゲーションのためのポイントクラウドを生成するために使用できる。
本稿では,2つの新しい改良点を提供するスキャンマッチングアルゴリズムであるIterative Closest Ellipsoidal Transform (ICET)を提案する。
論文 参考訳（メタデータ） (2022-07-29T13:42:32Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - On the Arbitrary-Oriented Object Detection: Classification based
Approaches Revisited [94.5455251250471]
まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。
我々は、角予測タスクを回帰問題から分類問題に変換する。
得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
論文 参考訳（メタデータ） (2020-03-12T03:23:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。