从网格补全到AI设计的牙冠
计算机视觉与模式识别
2025-01-10 v1 机器学习
摘要
设计牙冠是一个耗时且费力的过程。我们的目标是简化牙冠设计并减少手动调整的繁琐性，同时仍确保最高水平的准确性和一致性。为此，我们提出了一种新的端到端深度学习方法，称为牙冠网格补全（DMC），以在点云上下文的条件下生成牙冠网格。牙齿上下文包括准备接收牙冠的牙齿及其周围环境，即两颗相邻牙齿和对颌中三颗最近的牙齿。我们将牙冠生成表述为补全该点云上下文。特征提取器首先将输入点云转换为一组表示点云局部区域的特征向量。然后将这组特征向量输入到Transformer中，以预测缺失区域（牙冠）的一组新特征向量。随后，使用点重建头，接着是一个多层感知机，用于预测一组带有法线的密集点。最后，一个可微分的点到网格层用于重建牙冠表面网格。我们将我们的DMC方法与基于图的卷积神经网络进行了比较，后者学习将牙冠网格从通用牙冠形状变形到目标几何形状。在我们的数据集上的大量实验证明了我们方法的有效性，该方法达到了0.062的平均Chamfer距离。代码可在以下网址获取：https://github.com/Golriz-code/DMC.gi
关键词
引用
@article{arxiv.2501.04914,
title = {From Mesh Completion to AI Designed Crown},
author = {Golriz Hosseinimanesh and Farnoosh Ghadiri and Francois Guibault and Farida Cheriet and Julia Keren},
journal= {arXiv preprint arXiv:2501.04914},
year = {2025}
}