論文の概要: An Implicit Parametric Morphable Dental Model

• arxiv url: http://arxiv.org/abs/2211.11402v1
• Date: Mon, 21 Nov 2022 12:23:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 21:07:59.419912
• Title: An Implicit Parametric Morphable Dental Model
• Title（参考訳）: 暗黙のパラメトリックモーファブル歯科模型
• Authors: Congyi Zhang, Mohamed Elgharib, Gereon Fox, Min Gu, Christian Theobalt, Wenping Wang
• Abstract要約: 歯および歯茎の3次元異形性モデルとして, 第一報を提出した。 これは、各歯と歯茎のコンポーネントワイド表現と、これら各コンポーネントの学習可能な潜在コードに基づいている。 我々の復元品質は、新しいアプリケーションを実現しつつ、最も先進的なグローバルな暗黙の表現と同等です。
• 参考スコア（独自算出の注目度）: 79.29420177904022
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Morphable models of the human body capture variations among subjects and are useful in reconstruction and editing applications. Current dental models use an explicit mesh scene representation and model only the teeth, ignoring the gum. In this work, we present the first parametric 3D morphable dental model for both teeth and gum. Our model uses an implicit scene representation and is learned from rigidly aligned scans. It is based on a component-wise representation for each tooth and the gum, together with a learnable latent code for each of such components. It also learns a template shape thus enabling several applications such as segmentation, interpolation, and tooth replacement. Our reconstruction quality is on par with the most advanced global implicit representations while enabling novel applications. Project page: https://vcai.mpi-inf.mpg.de/projects/DMM/
• Abstract（参考訳）: 3D Morphable model of the human body capture variation among subjects, and useful for reconstruction and editing application。 現在の歯科モデルは明示的なメッシュシーンの表現を使用し、歯のみをモデル化し、歯茎を無視している。 そこで本研究では, 歯肉およびガムのパラメトリック3d morphable dental modelを提案する。 我々のモデルは暗黙のシーン表現を使い、厳密に整列したスキャンから学習する。 これは、各歯と歯茎のコンポーネントワイド表現と、これら各コンポーネントの学習可能な潜在コードに基づいている。 また、テンプレート形状を学習することで、セグメンテーション、補間、歯の交換など、いくつかのアプリケーションを可能にする。 我々の復元品質は、新しいアプリケーションを実現しつつ、最も先進的なグローバルな暗黙の表現と同等です。 プロジェクトページ:https://vcai.mpi-inf.mpg.de/projects/DMM/

関連論文リスト

• Differentiable Collision-Supervised Tooth Arrangement Network with a Decoupling Perspective [10.293207903989053]
  既存の学習ベースの手法では、隠れた歯の特徴を使って歯の動きを直接後退させる。 本稿では,衝突制御型歯列配置ネットワークであるDTANを提案する。 我々は,3つの異なる歯列データセットを構築し,精度と速度の大幅な向上を実現した。
  論文  参考訳（メタデータ） (2024-09-18T12:52:54Z)
• TeethDreamer: 3D Teeth Reconstruction from Five Intra-oral Photographs [45.0864129371874]
  そこで我々は,上下顎歯の形状と位置を復元する3次元再構築フレームワークTeethDreamerを提案する。 口腔内5枚の写真から,まず大きな拡散モデルの事前知識を活用して,新しい多視点画像を生成する。 生成したビュー間の3D整合性を確保するために,逆拡散プロセスに3D対応機能アテンション機構を統合する。
  論文  参考訳（メタデータ） (2024-07-16T06:24:32Z)
• 3D Teeth Reconstruction from Panoramic Radiographs using Neural Implicit Functions [6.169259577480194]
  Occudentは神経暗黙機能を用いたパノラマX線写真からの3次元歯の再構築のための枠組みである。 合成画像を用いた最近の研究とは異なる、実際のパノラマラジオグラフィーを入力として訓練し、検証する。
  論文  参考訳（メタデータ） (2023-11-28T05:06:22Z)
• YOLOrtho -- A Unified Framework for Teeth Enumeration and Dental Disease Detection [4.136033167469768]
  YOLOrthoは歯列挙と歯科疾患検出のための統合された枠組みである。 我々は,3種類の注釈付きデータからなるDentex Challenge 2023データに基づくモデルを開発した。 このデータを十分に活用し,同時に歯の発見と疾患の同定を学習するために,本研究では,歯に付着する属性として疾患を定式化する。
  論文  参考訳（メタデータ） (2023-08-11T06:54:55Z)
• Construction of unbiased dental template and parametric dental model for precision digital dentistry [46.459289444783956]
  CBCT画像から正確な歯科用アトラスを作製し, 歯のセグメンテーションを誘導するアンバイアスド歯科用テンプレートを開発した。 実際の被写体のCBCT画像159枚を収集して施工する。
  論文  参考訳（メタデータ） (2023-04-07T09:39:03Z)
• ToothInpaintor: Tooth Inpainting from Partial 3D Dental Model and 2D Panoramic Image [35.72913439096702]
  矯正治療では、クラウンとルートの両方からなる完全な歯のモデルが不可欠である。 本稿では, 部分的な3次元歯科モデルと2次元パノラマ画像とを入力として用いた, ToothInpaintor と呼ばれるニューラルネットワークを提案する。 我々は,ニューラルネットワークを用いて学習した潜伏空間に入力を投影し,入力に条件付けされた歯の完全なモデルを得ることに成功した。
  論文  参考訳（メタデータ） (2022-11-25T18:15:22Z)
• Two-Stage Mesh Deep Learning for Automated Tooth Segmentation and Landmark Localization on 3D Intraoral Scans [56.55092443401416]
  TS-MDLの最初の段階では、mphiMeshSegNetは0.953pm0.076$で平均Dice類似係数(DSC)に達した。 PointNet-Reg は平均絶対誤差 (MAE) が 0.623pm0.718, mm$ であり、ランドマーク検出の他のネットワークよりも優れている。
  論文  参考訳（メタデータ） (2021-09-24T13:00:26Z)
• DensePose 3D: Lifting Canonical Surface Maps of Articulated Objects to the Third Dimension [71.71234436165255]
  DensePose 3Dは2次元画像アノテーションのみから弱い教師付きで再構築を学習できる手法である。 3Dスキャンを必要としないため、DensePose 3Dは異なる動物種などの幅広いカテゴリーの学習に利用できる。 我々は,人間と動物のカテゴリーの合成データと実データの両方をベースラインとして,最先端の非剛体構造と比較し,顕著な改善を示した。
  論文  参考訳（メタデータ） (2021-08-31T18:33:55Z)
• TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
  2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
  論文  参考訳（メタデータ） (2020-12-26T08:02:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。