3D Tooth Mesh Segmentation with Simplified Mesh Cell Representation

要約

3D 歯メッシュの手作業による歯セグメンテーションは面倒で、歯科医によってばらつきがあります。
3D 歯メッシュの手動による歯の注釈付けは面倒な作業です。
自動歯メッシュセグメンテーションを実行するために、いくつかのディープラーニングベースの方法が提案されています。
提案された歯メッシュ セグメンテーション アルゴリズムの多くは、メッシュ セルをセル中心または重心、重心における法線、セル頂点、およびセル頂点における法線として要約します。
この方法でメッシュ セル/三角形を要約すると、暗黙的な構造上の制約が課せられ、多くのポイント クラウド ベースのディープ ラーニング アルゴリズムで行われる複数の解像度での作業が困難になります。
重心とメッシュセルの重心における法線情報のみを利用し、それでも競争力のあるパフォーマンスを達成する新しいセグメンテーション方法を提案します。
私たちは、暗黙の構造的制約を緩和しながら、優れたセグメンテーション パフォーマンスを達成できることを初めて実証しました。

要約(オリジナル)

Manual tooth segmentation of 3D tooth meshes is tedious and there is variations among dentists. %Manual tooth annotation of 3D tooth meshes is a tedious task. Several deep learning based methods have been proposed to perform automatic tooth mesh segmentation. Many of the proposed tooth mesh segmentation algorithms summarize the mesh cell as – the cell center or barycenter, the normal at barycenter, the cell vertices and the normals at the cell vertices. Summarizing of the mesh cell/triangle in this manner imposes an implicit structural constraint and makes it difficult to work with multiple resolutions which is done in many point cloud based deep learning algorithms. We propose a novel segmentation method which utilizes only the barycenter and the normal at the barycenter information of the mesh cell and yet achieves competitive performance. We are the first to demonstrate that it is possible to relax the implicit structural constraint and yet achieve superior segmentation performance

arxiv情報

提供元, 利用サービス

arxiv.jp, Google