从合成数据到真实修复：患者特异性牙冠完成的扩散模型
计算机视觉与模式识别
2026-04-09 v2 机器学习
摘要
我们提出了ToothCraft，一个基于扩散的牙冠上下文生成模型，训练于人工创建的不完整牙齿。在基于条件的扩散模型用于三维形状生成的最新进展基础上，我们开发了一个能够在局部解剖上下文条件下自动完成牙冠的模型。为解决该任务训练数据的缺乏，我们设计了一个增强流水线，从公开可用的完整牙弓数据集（3DS、ODD）中生成不完整牙齿几何。通过合成多样化的训练样本，我们的方法能够在广泛的牙齿缺陷谱系上进行鲁棒学习。实验结果证明了我们的模型重建完整牙冠的强大能力，在合成损坏的测试修复上实现了81.8%的交并比（IoU）和0.00034的查姆弗距离（CD）。我们的实验表明，该模型可直接应用于真实案例，有效填充不完整牙齿，同时生成的牙冠与对颌牙列的交集极小，从而降低了咬合干扰的风险。代码、模型权重和数据集信息可在以下地址获取：https://github.com/ikarus1211/VISAPP_ToothCraft
引用
@article{arxiv.2603.26588,
title = {From Synthetic Data to Real Restorations: Diffusion Model for Patient-specific Dental Crown Completion},
author = {Dávid Pukanec and Tibor Kubík and Michal Španěl},
journal= {arXiv preprint arXiv:2603.26588},
year = {2026}
}
备注
VISAPP 2026 Conference / CVPR Workshop GenRecon3D