論文の概要: 3D Structure-guided Network for Tooth Alignment in 2D Photograph

• arxiv url: http://arxiv.org/abs/2310.11106v2
• Date: Thu, 8 Aug 2024 04:03:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-09 21:09:27.619230
• Title: 3D Structure-guided Network for Tooth Alignment in 2D Photograph
• Title（参考訳）: 2次元写真における歯のアライメントのための3次元構造誘導ネットワーク
• Authors: Yulong Dou, Lanzhuju Mei, Dinggang Shen, Zhiming Cui,
• Abstract要約: 矯正治療に先立って歯列が整列した2次元写真は, 効果的な歯科医療コミュニケーションに不可欠である。 本稿では2次元画像空間内の歯を入力として2次元写真を取り,アライメントする3次元構造誘導歯列ネットワークを提案する。 本研究は, 各種顔写真におけるネットワークの評価を行い, 歯科矯正産業における特筆すべき性能と高い適用性を示した。
• 参考スコア（独自算出の注目度）: 47.51314162367702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Orthodontics focuses on rectifying misaligned teeth (i.e., malocclusions), affecting both masticatory function and aesthetics. However, orthodontic treatment often involves complex, lengthy procedures. As such, generating a 2D photograph depicting aligned teeth prior to orthodontic treatment is crucial for effective dentist-patient communication and, more importantly, for encouraging patients to accept orthodontic intervention. In this paper, we propose a 3D structure-guided tooth alignment network that takes 2D photographs as input (e.g., photos captured by smartphones) and aligns the teeth within the 2D image space to generate an orthodontic comparison photograph featuring aesthetically pleasing, aligned teeth. Notably, while the process operates within a 2D image space, our method employs 3D intra-oral scanning models collected in clinics to learn about orthodontic treatment, i.e., projecting the pre- and post-orthodontic 3D tooth structures onto 2D tooth contours, followed by a diffusion model to learn the mapping relationship. Ultimately, the aligned tooth contours are leveraged to guide the generation of a 2D photograph with aesthetically pleasing, aligned teeth and realistic textures. We evaluate our network on various facial photographs, demonstrating its exceptional performance and strong applicability within the orthodontic industry.
• Abstract（参考訳）: 矯正学は、不整合歯(例えば、不正咬合)の矯正に焦点を合わせ、坐骨機能と審美の両方に影響を及ぼす。 しかし、矯正治療には複雑で長い処置が伴うことが多い。 そのため, 矯正治療に先立って歯列が整列した2次元写真を作成することは, 効果的な歯科医療コミュニケーション, より重要なのは, 患者に矯正治療を受けるように促すために重要である。 本稿では,2次元写真を入力として(例えばスマートフォンで撮影した写真)、歯を2次元画像空間内に配置し,審美的に快く整列した歯を特徴とする矯正用比較写真を生成する3次元構造誘導歯列ネットワークを提案する。 このプロセスは2次元画像空間内で動作するが,本手法では歯科矯正治療について学ぶために,クリニックで収集した3次元口腔内スキャンモデルを用いて,歯科補綴前および歯列後3次元構造を2次元歯列に投影し,その後に拡散モデルを用いてマッピング関係を学習する。 最終的に、アライメントされた歯の輪郭を利用して、審美的でアライメントのある歯と現実的なテクスチャを持つ2D写真の生成を誘導する。 本研究は, 各種顔写真におけるネットワークの評価を行い, 歯科矯正産業における特筆すべき性能と高い適用性を示した。

関連論文リスト

• 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)
• SSR-2D: Semantic 3D Scene Reconstruction from 2D Images [54.46126685716471]
  本研究では,3Dアノテーションを使わずにセマンティックなシーン再構成を行う中心的な3Dシーンモデリングタスクについて検討する。 提案手法の鍵となる考え方は,不完全な3次元再構成と対応するRGB-D画像の両方を用いたトレーニング可能なモデルの設計である。 本研究では,2つの大規模ベンチマークデータセットであるMatterPort3DとScanNetに対して,セマンティックシーン補完の最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-02-07T17:47:52Z)
• OrthoGAN:High-Precision Image Generation for Teeth Orthodontic Visualization [17.647161676763478]
  正面顔画像における仮想歯列アライメント効果をシミュレーションする効率的なシステムを構築した。 複数モードのエンコーダ・デコーダをベースとした生成モデルを設計し, 歯の整列による顔画像の合成を行う。
  論文  参考訳（メタデータ） (2022-12-29T03:12:47Z)
• 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)
• An Implicit Parametric Morphable Dental Model [79.29420177904022]
  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。
  論文  参考訳（メタデータ） (2022-11-21T12:23:54Z)
• RiCS: A 2D Self-Occlusion Map for Harmonizing Volumetric Objects [68.85305626324694]
  カメラ空間における光マーチング (RiCS) は、3次元における前景物体の自己閉塞を2次元の自己閉塞マップに表現する新しい手法である。 表現マップは画像の質を高めるだけでなく,時間的コヒーレントな複雑な影効果をモデル化できることを示す。
  論文  参考訳（メタデータ） (2022-05-14T05:35:35Z)
• 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)
• A fully automated method for 3D individual tooth identification and segmentation in dental CBCT [1.567576360103422]
  本稿では,歯科用CBCT画像から3次元個別歯を同定・分別する完全自動化手法を提案する。 提案手法は,ディープラーニングに基づく階層型多段階モデルを構築することで,上記の課題に対処する。 実験結果から, 本法は歯の識別に93.35%のF1スコア, 個々の3次元歯のセグメンテーションに94.79%のDice類似係数を達成できた。
  論文  参考訳（メタデータ） (2021-02-11T15:07:23Z)
• Oral-3D: Reconstructing the 3D Bone Structure of Oral Cavity from 2D Panoramic X-ray [17.34835093235681]
  歯科用アーチの1枚のPX画像と先行情報から3次元口腔を再構築するフレームワークOral-3Dを提案する。 口腔3Dは, 3次元口腔構造を効率的にかつ効果的に再構築し, 臨床応用において重要な情報を示すことができることを示す。
  論文  参考訳（メタデータ） (2020-03-18T18:02:57Z)

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。