ToothForge：使用同步谱嵌入的自动牙齿形状生成
计算机视觉与模式识别
2025-06-04 v1
摘要
我们引入了 ToothForge，一种通过在频域操作自动生成新型 3D 牙齿的谱方法，有效解决了牙齿形状数据集的稀疏性问题。我们的方法实现了紧凑的机器学习建模，能够在毫秒级时间内生成高分辨率的牙齿网格。然而，生成形状谱会伴随分解谐波的不稳定性。为解决这一问题，我们提出在同步频域嵌入上对潜在流形进行建模。在训练过程之前，所有数据样本的谱被对齐到一个公共基上，有效消除了由分解不稳定性引入的偏差。此外，同步建模消除了先前方法施加的限制因素，这些方法要求所有形状共享公共的固定连接性。使用一个真实的牙冠私有数据集，我们观察到合成形状具有更高的重建质量，超过了在未对齐嵌入上训练的模型。我们还探索了谱分析在数字牙科中的其他应用，例如形状压缩和插值。ToothForge 促进了谱分析与机器学习交叉领域的一系列方法，对网格结构的限制更少。这不仅使其适用于牙科领域的形状分析，也适用于更广泛的医学应用——在这些应用中，保证来自不同诊所的形状具有一致的连接性是不现实的。代码可在 https://github.com/tiborkubik/toothForge 获取。
引用
@article{arxiv.2506.02702,
title = {ToothForge: Automatic Dental Shape Generation using Synchronized Spectral Embeddings},
author = {Tibor Kubík and François Guibault and Michal Španěl and Hervé Lombaert},
journal= {arXiv preprint arXiv:2506.02702},
year = {2025}
}
备注
Information Processing in Medical Imaging (IPMI2025)