Pamba: 状態空間モデルを用いた点群のグローバルインタラクションの強化

トランスフォーマーは3Dポイントクラウドのセマンティックセグメンテーションにおいて印象的な結果を示しています。しかし、トランスフォーマーの二次複雑性が計算コストを高くし、同時に処理できる点数を制限するとともに、単一シーン内のオブジェクト間の長距離依存関係のモデリングを阻害しています。最近の状態空間モデル（State Space Models: SSM）が長系列モデリングに大きな可能性を持っていることに着想を得て、私たちはポイントクラウド領域にSSMベースのアーキテクチャであるMambaを導入し、線形複雑性のもとで強力なグローバルモデリング能力を持つ新しいアー�キテクチャPambaを提案します。具体的には、ポイントクラウドの無秩序性がMambaの因果的性質に適合するように、マルチパスシリアライゼーション戦略を提案します。また、Mambaが局所幾何学や単方向モデリングにおける欠点を補うためにConvMambaブロックを提案します。PambaはScanNet v2、ScanNet200、S3DIS、nuScenesなどの3Dポイントクラウドセグメンテーションタスクで最先端の結果を得ており、その効果は広範な実験によって検証されています。