論文の概要: Hybrid-Emba3D: Geometry-Aware and Cross-Path Feature Hybrid Enhanced State Space Model for Point Cloud Classification

• arxiv url: http://arxiv.org/abs/2505.11099v1
• Date: Fri, 16 May 2025 10:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:14.680626
• Title: Hybrid-Emba3D: Geometry-Aware and Cross-Path Feature Hybrid Enhanced State Space Model for Point Cloud Classification
• Title（参考訳）: ハイブリッドEmba3D:ポイントクラウド分類のための幾何認識とクロスパス特徴量拡張状態空間モデル
• Authors: Bin Liu, Chunyang Wang, Xuelian Liu, Guan Xi, Ge Zhang, Ziteng Yao, Mengxue Dong,
• Abstract要約: 本稿では、幾何学的特徴結合とクロスパス特徴ハイブリッド化により強化された双方向マンバモデルであるHybrid-Emba3Dを提案する。 デザインされたコラボレーティブ・フィーチャー・エンハンサーはデュアルパス・ハイブリダイゼーションを採用し、局所的な突然変異やスパースキーシグナルを効果的に処理する。 実験結果から,モデルNet40では新たなSOTA分類精度が95.99%向上し,0.03Mが加わった。
• 参考スコア（独自算出の注目度）: 6.537771765793275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The point cloud classification tasks face the dual challenge of efficiently extracting local geometric features while maintaining model complexity. The Mamba architecture utilizes the linear complexity advantage of state space models (SSMs) to overcome the computational bottleneck of Transformers while balancing global modeling capabilities. However, the inherent contradiction between its unidirectional dependency and the unordered nature of point clouds impedes modeling spatial correlation in local neighborhoods, thus constraining geometric feature extraction. This paper proposes Hybrid-Emba3D, a bidirectional Mamba model enhanced by geometry-feature coupling and cross-path feature hybridization. The Local geometric pooling with geometry-feature coupling mechanism significantly enhances local feature discriminative power via coordinated propagation and dynamic aggregation of geometric information between local center points and their neighborhoods, without introducing additional parameters. The designed Collaborative feature enhancer adopts dual-path hybridization, effectively handling local mutations and sparse key signals, breaking through the limitations of traditional SSM long-range modeling. Experimental results demonstrate that the proposed model achieves a new SOTA classification accuracy of 95.99% on ModelNet40 with only 0.03M additional.
• Abstract（参考訳）: ポイントクラウド分類タスクは、モデルの複雑さを維持しながら局所的な幾何学的特徴を効率的に抽出する2つの課題に直面している。 Mambaアーキテクチャは、状態空間モデル(SSM)の線形複雑性の利点を利用して、グローバルモデリング能力のバランスをとりながらトランスフォーマーの計算ボトルネックを克服する。 しかし、一方向依存と点雲の非秩序性との間の固有の矛盾は、局所的近傍における空間的相関のモデル化を妨げ、幾何学的特徴抽出を制約する。 本稿では、幾何学的特徴結合とクロスパス特徴ハイブリッド化により強化された双方向マンバモデルであるHybrid-Emba3Dを提案する。 幾何結合機構を持つ局所幾何プールは、局所的な中心点とその近傍における幾何情報の協調的伝播と動的集約を通じて局所的特徴の識別力を大幅に向上させるが、追加のパラメータは導入しない。 デザインされたコラボレーティブ・フィーチャー・エンハンサーはデュアルパス・ハイブリダイゼーションを採用し、局所的な突然変異やスパースキーシグナルを効果的に処理し、従来のSSM長距離モデリングの限界を突破する。 実験結果から,モデルNet40では新たなSOTA分類精度が95.99%向上し,0.03Mが加わった。

関連論文リスト

• PoseMamba: Monocular 3D Human Pose Estimation with Bidirectional Global-Local Spatio-Temporal State Space Model [7.286873011001679]
  単眼ビデオにおける複雑な人間のポーズ推定のための線形相関を用いたSSMに基づく純粋手法を提案する。 具体的には、各フレーム内だけでなく、フレーム間の人間の関節関係を包括的にモデル化する、双方向の時間的・時間的ブロックを提案する。 この戦略により、より論理的な幾何学的順序付け戦略が提供され、結果として局所空間スキャンが組み合わせられる。
  論文  参考訳（メタデータ） (2024-08-07T04:38:03Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• PointABM:Integrating Bidirectional State Space Model with Multi-Head Self-Attention for Point Cloud Analysis [8.500020888201231]
  状態空間モデル(SSM)に基づくMambaは、線形複雑性と分類における大きな成功により、3Dポイントクラウド解析においてその優位性を提供する。 Transformerは、ポイントクラウド分析の最も顕著で成功したアーキテクチャの1つとして登場した。 本稿では,3Dポイントクラウド解析の性能向上のために,ローカル機能を強化するために,MambaアーキテクチャとTransformerアーキテクチャを統合したハイブリッドモデルであるPointABMを提案する。
  論文  参考訳（メタデータ） (2024-06-10T07:24:22Z)
• CWF: Consolidating Weak Features in High-quality Mesh Simplification [50.634070540791555]
  これらの要件をすべて同時に検討するスムーズな機能を提案する。 この官能基は、通常の異方性項と、セトロイド型ボロノイテッセルレーション(CVT)エネルギー項を含む。
  論文  参考訳（メタデータ） (2024-04-24T05:37:17Z)
• Non-linear Independent Dual System (NIDS) for Discretization-independent Surrogate Modeling over Complex Geometries [0.0]
  非線形独立双対系(Non-linear independent dual system、NIDS)は、PDEソリューションの離散化独立で連続的な表現のための深層学習サロゲートモデルである。 NIDSは複雑な可変ジオメトリとメッシュトポロジを持つドメインの予測に使用できる。 テストケースには、複雑な幾何学とデータ不足を伴う車両の問題が含まれており、訓練方法によって実現されている。
  論文  参考訳（メタデータ） (2021-09-14T23:38:41Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。