Voxel Mamba：基于点云三维目标检测的无分组状态空间模型

基于序列化的方法将3D体素序列化并在输入Transformer之前将其分组为多个序列，已在3D目标检测中证明了其有效性。然而，将3D体素序列化为1D序列不可避免地会牺牲体素的空间邻近性。由于Transformer随特征尺寸的二次复杂度，通过现有基于序列化的方法扩大分组大小难以解决此问题。受状态空间模型（SSM）最新进展的启发，我们提出了一种体素SSM，称为Voxel Mamba，它采用无分组策略将整个体素空间序列化为单个序列。SSM的线性复杂度促进了我们的无分组设计，减轻了体素空间邻近性的损失。为了进一步增强空间邻近性，我们提出了一个双尺度SSM块来建立层次结构，从而在1D序列化曲线上实现更大的感受野，以及在3D空间中更完整的局部区域。此外，我们在无分组框架下通过位置编码隐式应用窗口划分，通过编码体素位置信息进一步增强了空间邻近性。我们在Waymo Open Dataset和nuScenes数据集上的实验表明，Voxel Mamba不仅比最先进的方法实现了更高的精度，而且在计算效率方面也显示出显著优势。