3DMambaComplete：探索用于点云补全的结构化状态空间模型

点云补全旨在从初始不完整且低质量的输入生成完整且高保真的点云。一种流行的策略是利用基于 Transformer 的模型来编码全局特征并促进重建过程。然而，采用池化操作来获取全局特征表示通常会导致点云内局部细节的丢失。此外，Transformer 固有的注意力机制引入了额外的计算复杂度，使其难以有效处理长序列。为了解决这些问题，我们提出了 3DMambaComplete，这是一种建立在新颖的 Mamba 框架上的点云补全网络。它包含三个模块：HyperPoint Generation 使用 Mamba 的选择机制编码点云特征，并预测一组超点。通过估计特定偏移量，下采样后的点成为超点。HyperPoint Spread 模块将这些超点分散到不同的空间位置以避免集中。最后，变形方法将超点的 2D 网格表示转换为细粒度的 3D 结构，用于点云重建。在各个既有基准上进行的大量实验表明，定性和定量分析均证实 3DMambaComplete 超越了最先进的点云补全方法。