.png){kind=icon}
返回
Hierarchical Spatial Mamba Framework for Point Cloud Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-4395-3_28.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点云数据无结构、高维度的特性给有效特征提取和分类带来了挑战。尽管基于Transformer的架构在建模复杂空间依赖关系方面表现出色，但它们需要大量的计算资源和大规模预训练。相比之下，Mamba架构利用状态空间模型（SSM），提供了更高的计算效率和强大的序列建模能力。然而，其固有的线性和时序偏差限制了其捕捉点云分析中至关重要的复杂空间关系的能力。为解决这些局限性，我们提出了层次化空间Mamba框架（HSMF），一种旨在增强点云分类中空间特征学习的全新架构。HSMF整合了集成空间表示模块（ISRM），系统性地在表面、边缘和点层面捕捉多尺度几何特征；动态缩放学习模块（DSLM），通过自适应采样聚合层次化空间信息；以及具有增强空间局部性的Mamba骨干网络，采用Morton曲线重新排序，在将高维数据映射到与SSM兼容的序列格式时保持空间连贯性。在ScanObjectNN和ModelNet40上的实验表明，HSMF实现了最先进的表现，超越了现有方法。
Keyword:
Point cloud classification
hierarchical Mamba
spatial features
3D computer vision
期刊
P
IF:
0
论文数:
27
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容