Minkowski-MambaNet: 基于选择性状态空间模型的点云框架用于森林生物量量化
计算机视觉与模式识别
2025-10-13 v1
摘要
准确的森林生物量量化对碳循环监测至关重要。虽然机载 LiDAR 在捕获 3D 森林结构方面表现出色，但由于在建模区分树木所需的长程依赖关系方面存在困难，直接从点云估计木质体积和地上生物量（AGB）具有挑战性。我们提出了 Minkowski-MambaNet，这是一个新颖的深度学习框架，直接从原始 LiDAR 数据估计体积和 AGB。其关键创新是将 Mamba 模型的选择性状态空间模型（SSM）集成到 Minkowski 网络中，从而有效编码全局上下文和长程依赖关系以改善树木区分。引入了跳跃连接以增强特征并加速收敛。在丹麦国家森林调查 LiDAR 数据上的评估表明，Minkowski-MambaNet 显著优于最先进的方法，提供了更准确和更稳健的估计。关键的是，它不需要数字地形模型（DTM），并且对边界伪影具有鲁棒性。这项工作为大规模森林生物量分析提供了强大工具，推进了基于 LiDAR 的森林调查。
引用
@article{arxiv.2510.09367,
title = {Minkowski-MambaNet: A Point Cloud Framework with Selective State Space Models for Forest Biomass Quantification},
author = {Jinxiang Tu and Dayong Ren and Fei Shi and Zhenhong Jia and Yahong Ren and Jiwei Qin and Fang He},
journal= {arXiv preprint arXiv:2510.09367},
year = {2025}
}