Unsupervised point cloud registration using heat diffusion serialization and deeply interactive attention

Xingguang Duan

doi:10.1016/j.displa.2026.103535

Unsupervised point cloud registration using heat diffusion serialization and deeply interactive attention

2026-09-01

0

PRE

AI

DOI：10.1016/j.displa.2026.103535

原文链接

原文求助

摘要

En 中文

点云配准是机器人和计算机视觉中的一个基本问题。近年来，Mamba（一种代表性的状态空间模型，SSM）因其线性复杂度，已作为一种高效点云建模方法出现。为使Mamba能更有效地处理点云数据，我们提出了一种新颖的热扩散序列化方法，将点云转换为1-D序列，同时确保序列在变换下的不变性。此外，为增强Mamba的长序列建模能力，我们引入了可学习Token，以在双向SSM扫描期间主动聚合全局上下文并过滤无关噪声。进一步设计了一个深度交互注意力模块，用于对齐和融合局部特征与全局上下文。在临床骨科数据集、ModelNet40、7Scenes和ScanObjectNN上的大量实验表明，我们的方法达到了当前最佳（SOTA）性能。

Keyword:

Point cloud registration

State space model

Heat kernel signature

Unsupervised learning

Unsupervised point cloud registration using heat diffusion serialization and deeply interactive attention

摘要

期刊

机构

引用论文