彦究院

@article{tian2026DM-CFO,

title={{DM-CFO}: A diffusion model for compositional {3D} tooth generation with collision-free optimization},

author={Tian, Yan and Xue, Pengcheng and Ding, Weiping and Hassaballah, Mahmoud and Egiazarian, Karen and Conci, Aura and Sengur, Abdulkadir and Rutkowski, Leszek},

journal={IEEE Transactions on Visualization and Computer Graphics},

pages={in press},

year={2026}

}

多个3D牙齿同时生成，图扩散模型初始化牙齿位置，基于高斯泼溅的碰撞损失优化。条件图扩散模型来学习目标场景图的条件分布。在去噪过程中，在文本和图形（原始颌骨图）的双重约束下，逐步恢复缺失牙齿的布局；交替优化颌骨和牙齿的高斯参数，通过场景级优化保证全局布局和一致性，通过实例级优化保证每个牙齿的细节和真实感。基于3D高斯表示的碰撞正则化损失。该损失通过计算相邻牙齿的3D高斯点到“锚定”牙齿中心的距离，并与该牙齿高斯分布的“内部方差”进行比较，来惩罚牙齿间的交叉。

—————————————————————————————————–

@article{zhao2026innovative,

title={Innovative tooth segmentation using hierarchical features and bidirectional sequence modeling},

author={Zhao, Xinxin and Jiang, Jian and Tian, Yan and Wu, Liqin and Xu, Zhaocheng and Yang, Wei-fa and Zou, Yunuo and Wang, Xun},

journal={Pattern Recognition},

volume={175},

pages={113045},

year={2026}

}

基于Mamba的齿科图像分割，设计三阶段下采样的编码器，通过分层特征表示来捕获牙科图像中尺度自适应的信息; 引入基于状态空间模型的双向序列块, 同时进行前向和后向扫描，并整合两个方向的输出，以近似线性复杂度捕获更全面的全局空间上下文信息。

—————————————————————————————————–

@article{xue2026SVGS,

title={{SVGS}: Single-View to {3D} Object Editing via Gaussian Splatting},

author={Xue, Pengcheng and Tian, Yan and Song, Qiutao and Wang, Ziyi and He, Linyang and Ding, Weiping and Hassaballah, Mahmoud and Egiazarian, Karen and Yang, Wei-fa and Rutkowski, Leszek},

journal={ACM Transactions on Multimedia Computing Communications and Applications},

pages={in press},

year={2026}

}

基于3D高斯泼溅的3D编辑。结合了基于单视角的文本驱动编辑策略和3DGS作为3D表示，单视角策略旨在从源头（单个视角）保证编辑指令执行的一致性，从而避免多视角不一致问题；分析扩散模型在“给定文本指令”和“空指令”两种条件下预测的噪声差异，来生成一个语义相关性热图。这个差异图能清晰地指示出与文本指令最相关的像素区域。摒弃了传统的SfM点，转而利用从生成的稀疏视图中提取的轮廓图和物体掩码来构建一个“视觉外壳”，这个外壳作为一个几何框架，用于初始化3D高斯分布。为进一步提升几何质量，特别是解决在视角缺失或遮挡区域可能出现的表面半透明和缝隙问题，引入来自单目深度估计器的深度图作为监督信号。