WinMamba：基于多尺度位移窗口的状态空间模型用于3D目标检测
计算机视觉与模式识别
2025-11-18 v1
摘要
3D目标检测是自动驾驶中的关键技术，却面临着同时最大化计算效率与捕获长程空间依赖性的根本性挑战。我们发现，基于Mamba的模型由于其线性状态空间设计，能够以较低成本捕获长程依赖关系，这为效率与精度之间的平衡提供了可行的路径。然而，现有方法依赖于固定窗口内的轴对齐扫描，不可避免地丢弃了空间信息。为此，我们提出WinMamba，一种新颖的Mamba-based 3D特征编码主干网络，由堆叠的WinMamba块组成。为增强主干网络的多尺度表征能力，WinMamba模块集成了窗口尺度自适应模块，在采样过程中补偿不同分辨率下的体素特征。同时，为获得线性状态空间内的丰富上下文线索，我们为WinMamba层配备了可学习的位置编码和窗口位移策略。在KITTI和Waymo数据集上的大量实验表明，WinMamba显著优于基线方法。消融研究进一步验证了WSF和AWF模块在提高检测精度方面的独立贡献。该代码将对外公开发布。
引用
@article{arxiv.2511.13138,
title = {WinMamba: Multi-Scale Shifted Windows in State Space Model for 3D Object Detection},
author = {Longhui Zheng and Qiming Xia and Xiaolu Chen and Zhaoliang Liu and Chenglu Wen},
journal= {arXiv preprint arXiv:2511.13138},
year = {2025}
}
备注
9 pages, 3 figures,