用于牙齿重建的记忆引导点云补全
计算机视觉与模式识别
2025-12-04 v1
摘要
部分牙齿点云常常因遮挡和有限的扫描视角而存在大面积缺失区域，这会偏向编码器仅有的全局特征，并迫使解码器产生幻觉结构。我们提出了一种检索增强框架，用于牙齿补全，该框架将原型记忆集成到标准的编码器-解码器流水线中。在将部分输入编码为全局描述符后，模型从可学习记忆中检索最近的流形原型，并通过置信度门控加权将其与查询特征融合，然后进行解码。该记忆经过端到端优化，并自组织为可复用的牙齿形状原型，无需牙齿位置标签，从而提供结构先验以稳定缺失区域的推理，并释放解码器容量以恢复细节。该模块即插即用，与常见的补全骨干网络兼容，同时保持相同的训练损失。在 Teeth3DS 基准测试上的实验表明 Chamfer 距离持续改善，可视化结果展示了更清晰的牙尖、脊和邻面过渡。我们的方法提供了一种简单而有效的方式来利用跨样本规律性，以实现更准确和忠实的牙齿点云补全。
引用
@article{arxiv.2512.03598,
title = {Memory-Guided Point Cloud Completion for Dental Reconstruction},
author = {Jianan Sun and Yukang Huang and Dongzhihan Wang and Mingyu Fan},
journal= {arXiv preprint arXiv:2512.03598},
year = {2025}
}