直列化ポイントマンバ：直列化ポイントクラウドマンバ分割モデル

点群セグメンテーションは、ロボットの視覚認識と環境理解において重要な役割を果たし、ロボットのナビゲーションや3次元再構築などの応用を可能にします。しかし、点群データの疎さと無順序性を扱うことは、効率的かつ正確なセグメンテーションにとって課題となっています。自然言語処理におけるマンバモデルの成功に着想を得て、我々は状態空間モデルを活用してシーケンスを動的に圧縮し、メモリ使用量を削減し、計算効率を向上させる「シリアライズされた点群マンバセグメンテーションモデル（Serialized Point Mamba）」を提案します。このモデルは局所-全局モデル化能力と線形複雑性を統合しており、屋内および屋外データセットでの最先端の性能を達成しています。本手法には段階的な点群シーケンス学習、グリッドプーリング、条件付き位置エンコーディング（Conditional Positional Encoding）など、多様な点群タスクにおける効果的なセグメンテーションを実現する新規技術が含まれています。当手法はScannetで76.8 mIoU、S3DISで70.3 mIoUの精度を達成しました。また、Scannetv2インスタンスセグメンテーションでは40.0 mAPの結果を得ました。さらに低遅延と適切なメモリ使用量という特徴を持ち、mIoUに基づくマンバベースのポイントセマンティックセグメンテーションモデルの中で最高峰（SOTA）となっています。