Pamba: 通过状态空间模型提升点云中的全局交互
计算机视觉与模式识别
2025-01-14 v3
摘要
变换器已在 3D 点云语义分割中展现出惊人的性能。然而，变换器的二次时间复杂度导致计算成本高昂，限制了同时处理的点数，并阻碍了对单个场景中物体之间长程依赖关系的建模。借鉴最近状态空间模型 (SSM) 在长序列建模方面的巨大潜力，本文引入基于 SSM 的 Mamba 架构至点云领域，提出 Pamba—a 具备强大全局建模能力且具有线性复杂度的新型架构。具体而言，为使点云的无序性适配 Mamba 的因果特性，本文提出一种适用于点云的多路径序列化策略。此外，本文提出 ConvMamba 残差模块，以弥补 Mamba 在建模局部几何结构和单向建模方面的不足。Pamba 在多个 3D 点云分割任务上实现最先进的结果，包括 ScanNet v2、ScanNet200、S3DIS 和 nuScenes，经大量实验验证其有效性。
引用
@article{arxiv.2406.17442,
title = {Pamba: Enhancing Global Interaction in Point Clouds via State Space Model},
author = {Zhuoyuan Li and Yubo Ai and Jiahao Lu and ChuXin Wang and Jiacheng Deng and Hanzhi Chang and Yanzhe Liang and Wenfei Yang and Shifeng Zhang and Tianzhu Zhang},
journal= {arXiv preprint arXiv:2406.17442},
year = {2025}
}
备注
Accepted by AAAI 2025