[发明专利]颈缘线形变预测模型的训练方法、装置、设备及介质

说明书

本申请涉及一种颈缘线形变预测模型的训练方法、装置、设备及介质，应用于三维形变技术领域，所述方法包括：获取多个源颈缘线点云数据和源颈缘线点云数据对应的形变颈缘线点云真实数据；针对单个源颈缘线点云数据，分别通过初始颈缘线形变预测模型中的图残差卷积层和自注意力层，对该源颈缘线点云数据中每个点对应的局部邻域信息和全局信息进行处理，得到形变颈缘线点云预测数据；根据形变颈缘线点云真实数据和形变颈缘线点云预测数据，确定目标损失值；基于目标损失值对图残差卷积层和自注意力层中的参数值进行更新，得到目标颈缘线形变预测模型。本申请可以提高颈缘线形变预测的准确性。

技术领域

本申请涉及三维形变技术领域，尤其涉及一种颈缘线形变预测模型的训练方法、装置、设备及介质。

背景技术

目前，数据采集技术和三维重建技术的快速发展使得物理模型的高精度数字化成为可能。在齿科数字化领域，通过扫描和3D重建可以得到三维牙颌数字化模型，从而实现齿科产品的后续加工和定制化生产。在实际生产过程中，最终使用的牙齿模型并非是扫描重建得到的，而是根据特定需求人工加工得到的，这个过程需要耗费大量的人工和时间，且人的主观性因素可能会在处理过程中带来一些不确定误差。

相关技术中，基于数据驱动的模型形变方法虽然可以从给定的源模型和目标模型数据对中学习表示形变过程的非线性映射关系，从而有效缓解上述问题。但是，上述方法的准确性较低。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种颈缘线形变预测模型的训练方法、装置、设备及介质。

根据本申请的第一方面，提供了一种颈缘线形变预测模型的训练方法，包括：

获取多个源颈缘线点云数据和所述源颈缘线点云数据对应的形变颈缘线点云真实数据；

针对单个所述源颈缘线点云数据，分别通过初始颈缘线形变预测模型中的图残差卷积层和自注意力层，对该源颈缘线点云数据中每个点对应的局部邻域信息和全局信息进行处理，得到形变颈缘线点云预测数据；

根据所述形变颈缘线点云真实数据和所述形变颈缘线点云预测数据，确定目标损失值；

基于所述目标损失值对所述图残差卷积层和自注意力层中的参数值进行更新，得到目标颈缘线形变预测模型。

在一种可选的实施方式中，所述形变颈缘线点云真实数据包括：每个点的真实形变位置坐标和真实形变法向量；所述形变颈缘线点云预测数据包括：每个点的预测形变位置坐标和第一预测形变法向量；

在得到所述形变颈缘线点云预测数据之后，所述方法还包括：

基于所述预测形变位置坐标，确定几何预测形变法向量；

基于所述第一预测形变法向量和所述几何预测形变法向量，确定目标预测形变法向量；

所述根据所述形变颈缘线点云真实数据和所述形变颈缘线点云预测数据，确定目标损失值，包括：

基于所述真实形变位置坐标和所述预测形变位置坐标，确定位置损失值，以及基于所述真实形变法向量和所述目标预测形变法向量，确定法向量损失值；

基于所述位置损失值和所述法向量损失值，确定目标损失值。

在一种可选的实施方式中，所述基于所述第一预测形变法向量和所述几何预测形变法向量，确定目标预测形变法向量，包括：

将所述第一预测形变法向量和所述几何预测形变法向量进行融合，得到第二预测形变法向量；

通过所述初始颈缘线形变预测模型中的所述图残差卷积层和所述自注意力层对所述第二预测形变法向量进行处理，得到目标预测形变法向量。