RGB画像とマンハッタン線マップから始めて、密な法線マップと、マンハッタンの方向に揃えられた平面領域を識別する密なマンハッタンラベルマップに回帰します。ノーマルマップとラベルマップを完全に区別可能な方法で融合して、洗練されたノーマルマップを生成します。マンハッタンの部分は個別の分類と消失点で扱われ、非マンハッタンの部分は直接監督によって学習されます。

この方法は、標準的な単一ビューのベンチマークで一番良い結果を達成しました。さらに重要なことに、消失点と線を使用することにより、既存の手法よりも汎用化能力が優れていることを示します。さらに、壁やその他の平面の3D再構成において、表面法線ネットワークが深さ推定ネットワークのパフォーマンスを、特に量的および質的に向上させる方法を示しました。