RayMamba：用于远距离 3D 目标检测的射线对齐序列化
计算与语言
2026-04-06 v1
摘要
远距离 3D 目标检测仍然具有挑战性，因为 LiDAR 观测在远距离处变得高度稀疏和碎片化，使现有检测器难以进行可靠的上下文建模。为解决此问题，最近基于状态空间模型（SSM）的方法提高了远距离建模效率。然而，其有效性仍受限于通用的序列化策略，该策略无法在稀疏场景中保留有意义的上下文邻域。为解决此问题，我们提出 RayMamba，一种面向体素的 3D 检测器的几何感知即插即用增强模块。RayMamba 通过射线对齐序列化策略将稀疏体素组织为扇区有序序列，为后续的 Mamba 建模保留了方向连续性和遮挡相关上下文。它兼容 LiDAR 仅用和多模态检测器，同时仅引入适度的额外开销。在 nuScenes 和 Argoverse 2 上的大量实验表明，在强基线上持续提升。特别地，RayMamba 在 nuScenes 上具有挑战性的 40–50 m 范围内实现了高达 2.49 mAP 和 1.59 NDS 的提升，并在 Argoverse 2 上进一步将 VoxelNeXt 从 30.3 提升至 31.2 mAP。
引用
@article{arxiv.2604.02904,
title = {BioUNER: A Benchmark Dataset for Clinical Urdu Named Entity Recognition},
author = {Wazir Ali and Adeeb Noor and Sanaullah Mahar and Alia and Muhammad Mazhar Younas},
journal= {arXiv preprint arXiv:2604.02904},
year = {2026}
}