.png){kind=icon}
返回
3DMambaComplete: Structured State Space Model for High-Efficiency Point Cloud Completion
.png){kind=icon}
PRE
AI
DOI：10.1145/3774887.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点云补全旨在从残缺且低质量的输入中重建完整且高保真的点云。当前方法主要依赖Transformer架构进行特征提取。然而，这些方法存在两大主要局限性，包括与注意力机制相关的计算复杂度以及池化操作中可能丢失精细细节的问题。这些问题阻碍了它们在大型且高度碎片化点云上的性能。为克服这些挑战，我们提出了一种基于选择性方法的3DMambaComplete新型点云补全方法。3DMambaComplete利用Mamba的线性时间复杂度高效提取全局特征，显著降低计算开销。此外，我们引入了区分性节点（称为超点）以及动态偏移的概念，以提高重建质量。具体而言，超点生成模块使用Mamba编码器对点云的下采样特征进行编码，生成一组捕获关键信息的超点。随后，超点扩展模块通过动态偏移将这些超点分散到各个空间位置以缓解聚集。最后，点变形模块实施一种变形技术，将2D网格转化为详细的3D结构，从而实现高质量点云补全。在广泛使用的基准数据集上的实验表明，3DMambaComplete在定量和定性评估中均优于现有的点云补全技术。
Keyword:
Point Cloud Completion
Structured State Space Model
Mamba
Compu-tational Efficiency
期刊
IF:
6
论文数:
2.0K
被引数:
5.4K
机构
引用论文
DcTr: Noise-robust point cloud completion by dual-channel transformer with cross-attentionDcTr: 通过具有交叉注意的双通道变压器完成噪声鲁棒的点云.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Progressive Growth for Point Cloud Completion by Surface-Projection Optimization通过表面投影优化的点云补全的渐进式增长
PREAI
分享收藏
Mamba3D:
Enhancing Local Features for 3D Point Cloud Analysis via State Space ModelMamba3D:
通过状态空间模型增强局部特征，以改进3D点云分析
PREAI
分享收藏
查看更多内容