仅用十张二维口内照片重建三维口腔模型，在Teeth3DS上取得77.49%最近邻匹配准确率
核心概要
该研究提出一种纯软件方法，仅用从不同角度拍摄的十张二维口内图像重建三维口腔模型，无需专用硬件；模型在公开Teeth3DS数据集（950个上颌样本）上训练，以MobileNetV2作为图像编码器并结合多头注意力进行多视角特征融合，在距离阈值0.035的最近邻匹配下达到77.49%的准确率，但预测顶点倾向于聚集在真值的高密度区域，导致重建模型点分布不均。
Figure 2: Ten fixed viewpoints rendered from a preprocessed upper jaw mesh.
arXiv深度剖析
提出一种仅依赖十张不同角度二维口内图像、无需任何专用硬件设备的三维口腔模型重建软件方案。 与需要托盘与印模材料、易产生材料形变误差且不便储存运输的取模方式，以及依赖结构光或激光、设备成本高昂的口内扫描仪相比，该方案把三维建模的硬件依赖转为纯软件流程。 论文摘要明确说明输入为十张二维口内图像且“requiring no dedicated hardware devices”，并列出降低成本、免除物理扫描设备、减少患者不适与实现自动化重建等目标；具体实现细节在所提供的文本中未展开。
模型以MobileNetV2作为图像编码器，并用多头注意力完成多视角特征融合，在公开Teeth3DS数据集上训练。 该工作把多视角融合的注意力机制用于口内图像到三维口腔结构的重建任务，并选用公开数据集与轻量编码器组合。 摘要写明训练数据为公开的Teeth3DS数据集，包含950个上颌样本，并明确“employs MobileNetV2 as the image encoder combined with Multi-head Attention for multi-view feature fusion”。
在距离阈值0.035的最近邻匹配度量下，重建准确率为77.49%。 该数值给出了这一纯软件、十张图像输入方案在统一度量下的量化表现，便于与后续工作比较。 摘要直接报告“achieves an accuracy of 77.49%, measured by nearest-neighbor matching with a distance threshold of 0.035”，未提供置信区间或跨数据集验证。
预测顶点倾向于集中在真值的高密度区域，造成重建模型点分布不均。 作者主动指出输出点云的空间分布偏差，而不仅是报告总体准确率。 摘要原文为“predicted vertices tend to concentrate in high-density regions of the ground truth, resulting in uneven point distribution across the reconstructed model”，属于定性描述，未给出分布偏差的量化指标。
启示与展望
该结果面向牙科口腔三维建模场景，尤其是希望避免取模材料与昂贵口内扫描设备的软件化流程；其设定是仅用十张不同角度的二维口内图像作为输入，并在公开Teeth3DS数据集的950个上颌样本上训练与评估。对读者而言，这意味着该工作可作为“以图像替代硬件扫描”的低成本路线参考，并为进一步改进多视角融合与点分布均匀性提供起点。
所提供文本为摘要与书目信息，未包含网络结构细节、训练超参数、消融实验、与其他方法的对比表格以及点分布不均的量化分析，因此无法判断77.49%这一准确率在不同阈值或不同数据集下的稳定性。此外，摘要未说明十张图像的采集条件、是否涉及真实患者数据，以及该流程在临床工作流中的验证情况，这些都属于读者可继续关注的问题。