# Teeth3DS 数据集

该工作提出 TSegAgent，把口内扫描三维模型的牙齿实例分割与 FDI 编号重构成零样本几何推理问题：先用多视角渲染（含曲率热图）配合 SAM3 文本提示“tooth”生成候选掩膜，再按 IoU 与包含关系合并为面级实例标签，随后由几何感知的视觉语言智能体经多轮对话完成非牙齿区域识别、中切牙定位、全牙弓分类与错误纠正；在含 1200 个三维牙齿模型的 Teeth3DS 上取得 mIoU 93.37、TLA 96.40、TSA 96.76、TIR 97.46、TIR=1 87.17，在来自合作诊所的 340 个更具缺陷与伪影的私有测试模型上取得 mIoU 82.10、TLA 96.68、TSA 95.99、TIR 85.41、TIR=1 5

该工作提出 TSegAgent，把口内扫描三维模型的牙齿实例分割与 FDI 编号重构成零样本几何推理问题：先用多视角渲染（含曲率热图）配合 SAM3 文本提示“tooth”生成候选掩膜，再按 IoU 与包含关系合并为面级实例标签，随后由几何感知的视觉语言智能体经多轮对话完成非牙齿区域识别、中切牙定位、全牙弓分类与错误纠正；在含 1200 个三维牙齿模型的 Teeth3DS 上取得 mIoU 93.37、TLA 96.40、TSA 96.76、TIR 97.46、TIR=1 87.17，在来自合作诊所的 340 个更具缺陷与伪影的私有测试模型上取得 mIoU 82.10、TLA 96.68、TSA 95.99、TIR 85.41、TIR=1 5

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。

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。