已收录文章摘要，完整内容可前往原文阅读。
在计算机视觉领域，从单张RGB图像中精确恢复场景的三维几何结构（如深度和表面法线）是一项基础且极具挑战性的任务。近年来，利用预训练生成扩散模型强大的视觉先验进行几何估计逐渐成为热点。然而，现有方法大多