- 仓库项目过多,每个找太麻烦,需要回忆时间太多;
- 项目进行整理统一规划,方便养成良好习惯;
- 用于导航到各个仓库,包括私有和公有;
生成方式:用_vscode插件:Markdown TOC(hunter Tran)插件生成目录;
- 需求:
- 在指定位置修复包括但不限于高嵌体,低嵌体,多面缺失嵌体;
- 实现方式:
- pix2pix+深度图方式,生成对应深度图
- 将深度图转换成网格进行3d局部修复,
- 拓展:根据生成点,也可以用于3d全冠自适应变形(用局部生成的点作为目标点,让模板牙进行约束性变形)
- 缺陷:
- 由于深度图高度缺陷,无法在超过高度的缺失进行生成,需要使用邻接面修补方法进行完善。
- 链接:
- 效果:
- 需求:
- 利用邻牙牙花及咬合关系,在指定缺失位置生成牙冠,要求形态和牙冠符合需求;
- 实现方式:
- 借鉴occupancy_network网格的隐式表示,利用二分类生成对应体素,然后通过mc重建为网格。
- 为了更好区分占位率,应对网格进行修复。
- 拓展:图片-->网格,点云-->网格,网格-->网格;
- 缺陷:
- 严重依赖体素化方式,性能较差,可以用onet(八叉树卷积网络)。
- 链接:
- 效果:
- 需求:
- 用于正畸预处理步骤,要求在CAD输出网格进行牙齿裁剪,并标注牙位号。
- 实现方式:
- 混合pointnet+dgcnn进行面片分类。
- 使用最大最小割(图切)及随机游走算法进行后处理优化。
- 缺陷:
- 牙龈过大,会造成类别不均衡,会造成误差,解决方法:第一次预测用户裁剪牙龈,第二次为正式结果。
- 链接:
- 效果:
- 需求:
- 用于正畸排牙步骤,将凌乱的牙齿进行牙齿排列。
- 实现方式:
- 混合pointnet+lstm进行变换矩阵预测。
- 使用碰撞检测进行后处理优化。
- 缺陷:
- 有的牙切分下来,邻接面缺失,造成预测误差。解决方法:在邻接面修补后进行预测。
- 链接:
- 效果:
- 目的:
- 促进团队代码一致性及协同;
- 第一阶段只用pytorch,第二阶段用pytorch+Hydra,第三阶段用pytorch lightning;
- 减少低级问题发生率;
- 提高实验的匹配程度;
- 链接: https://github.com/SindreYang/pytorch-hydra-template
-
目的:
- 用于转换C++代码到python中使用,核心为pybind11;
- 提供良好的cmake配置,减少配置时间;
- 提供cpp良好的cmake开发环境;
- 提供openmp,cpu指令集上优化;
-
目的:
- 前后端分离;
- 服务,视图,模型分离;
- 全局统一配置;