基于碰撞监督的可微分牙齿排列网络
计算机视觉与模式识别
2024-09-19 v1
摘要
牙齿排列是数字正畸规划中的关键步骤。现有基于学习的方法使用隐含牙齿特征直接回归牙齿运动，导致目标姿态感知与运动回归耦合，可能导致三维变换感知不足。此外，这些方法忽略了预测牙齿排列中可能的重叠或间隙问题，这在实际应用中是不可接受的。因此，我们提出 DTAN（Differentiable Collision-Supervised Tooth Arrangement Network），一种基于碰撞监督的可微分牙齿排列网络，解耦预测任务与特征建模。DTAN 通过首先预测最终牙齿姿态的隐含特征，然后利用这些特征辅助回归起始牙齿与目标牙齿之间的运动来实现牙齿排列任务的解耦。为更好地学习隐含特征，DTAN 还将牙齿-隐含特征解耦为几何特征和位置特征，这些特征通过特征一致性约束进行监督。此外，我们提出了一种用于点云数据的新型可微分碰撞损失函数，以约束牙齿之间的相关动作，容易扩展到其他 3D 点云任务。我们提出了基于 arch-width 指导的牙齿排列网络，命名为 C-DTAN，以实现结果可控。我们构建了三个不同的牙齿排列数据集，相较于现有方法在准确性和速度上实现了显著提升。
引用
@article{arxiv.2409.11937,
title = {Differentiable Collision-Supervised Tooth Arrangement Network with a Decoupling Perspective},
author = {Zhihui He and Chengyuan Wang and Shidong Yang and Li Chen and Yanheng Zhou and Shuo Wang},
journal= {arXiv preprint arXiv:2409.11937},
year = {2024}
}
备注
16 pages, 13 figures