論文の概要: DAPointMamba: Domain Adaptive Point Mamba for Point Cloud Completion

• arxiv url: http://arxiv.org/abs/2511.20278v1
• Date: Tue, 25 Nov 2025 13:07:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.467755
• Title: DAPointMamba: Domain Adaptive Point Mamba for Point Cloud Completion
• Title（参考訳）: DAPointMamba: ポイントクラウドコンプリートのためのドメイン適応ポイントMamba
• Authors: Yinghui Li, Qianyu Zhou, Di Shao, Hao Yang, Ye Zhu, Richard Dazeley, Xuequan Lu,
• Abstract要約: ドメイン適応ポイントクラウド補完(DA PCC)は、ラベル付きソースとラベルなしターゲットドメインの間の幾何学的および意味的差異を狭めることを目的としている。 DA PCCにおける状態空間モデル(SSM)の適応性に関する最初の研究について述べる。 本稿では,DAPointMamba for DA PCCを提案する。DAPointMamba for DA PCCは,ドメイン間の強い適応性を示し,大域的受容場と効率的な線形複雑性の利点を有する。
• 参考スコア（独自算出の注目度）: 41.88068759489936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Domain adaptive point cloud completion (DA PCC) aims to narrow the geometric and semantic discrepancies between the labeled source and unlabeled target domains. Existing methods either suffer from limited receptive fields or quadratic complexity due to using CNNs or vision Transformers. In this paper, we present the first work that studies the adaptability of State Space Models (SSMs) in DA PCC and find that directly applying SSMs to DA PCC will encounter several challenges: directly serializing 3D point clouds into 1D sequences often disrupts the spatial topology and local geometric features of the target domain. Besides, the overlook of designs in the learning domain-agnostic representations hinders the adaptation performance. To address these issues, we propose a novel framework, DAPointMamba for DA PCC, that exhibits strong adaptability across domains and has the advantages of global receptive fields and efficient linear complexity. It has three novel modules. In particular, Cross-Domain Patch-Level Scanning introduces patch-level geometric correspondences, enabling effective local alignment. Cross-Domain Spatial SSM Alignment further strengthens spatial consistency by modulating patch features based on cross-domain similarity, effectively mitigating fine-grained structural discrepancies. Cross-Domain Channel SSM Alignment actively addresses global semantic gaps by interleaving and aligning feature channels. Extensive experiments on both synthetic and real-world benchmarks demonstrate that our DAPointMamba outperforms state-of-the-art methods with less computational complexity and inference latency.
• Abstract（参考訳）: ドメイン適応ポイントクラウド補完(DA PCC)は、ラベル付きソースとラベルなしターゲットドメインの間の幾何学的および意味的差異を狭めることを目的としている。 既存の手法では、CNNやビジョントランスフォーマーを使用するため、受容領域が限られているか、二次的な複雑さに悩まされている。 本稿では、DA PCCにおける状態空間モデル(SSM)の適応性について研究し、DA PCCに直接SSMを適用することは、いくつかの課題に直面することを明らかにする。 さらに、学習領域に依存しない表現における設計の見落としは適応性能を妨げている。 これらの問題に対処するために,DAPointMamba for DA PCCを提案する。 3つのモジュールがある。 特に、クロスドメイン・パッチ・レベル・スキャンはパッチレベルの幾何対応を導入し、効果的な局所アライメントを可能にする。 クロスドメイン空間SSMアライメントは、クロスドメイン類似性に基づくパッチ特徴の調整により空間的整合性をさらに強化し、きめ細かな構造的相違を効果的に緩和する。 クロスドメインチャネルSSMアライメントは、機能チャネルのインターリーブとアライメントによって、グローバルなセマンティックギャップに積極的に対処する。 我々のDAPointMambaは、計算複雑性と推論遅延を少なくして最先端の手法より優れていることを示す。

関連論文リスト

• Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
  我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。 提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。 本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-26T11:53:59Z)
• Advancing Cross-Organ Domain Generalization with Test-Time Style Transfer and Diversity Enhancement [15.154556569127116]
  本稿では、双方向マッピング機構を用いて、ソースとターゲットドメインの特徴を統一された特徴空間に投影するテスト時スタイル転送(T3s)を提案する。 スタイル表現空間をさらに拡大するために、クロスドメインスタイルの多様化モジュールを導入する。 提案手法は,3つの未知のデータセットに対して有効性を示した。
  論文  参考訳（メタデータ） (2025-03-24T11:22:27Z)
• DA-Mamba: Domain Adaptive Hybrid Mamba-Transformer Based One-Stage Object Detection [0.3683202928838613]
  ドメイン適応型マンバ型一段階物体検出モデルDA-マンバについて述べる。 Mambaアーキテクチャのグローバルなモデリングと線形複雑性にインスパイアされ、最初のドメイン適応型Mambaベースのワンステージオブジェクト検出モデルであるDA-Mambaを提示する。
  論文  参考訳（メタデータ） (2025-02-16T15:58:54Z)
• PointDGMamba: Domain Generalization of Point Cloud Classification via Generalized State Space Model [77.00221501105788]
  領域一般化(DG)は、最近、点雲分類の一般化性を改善するために研究されている。 本稿では、DG PCCにおける状態空間モデル(SSM)の一般化可能性について研究する。 本稿では,未知の領域に対して強い一般化性を持つ新しいフレームワークであるPointDGMambaを提案する。
  論文  参考訳（メタデータ） (2024-08-24T12:53:48Z)
• Amplitude Spectrum Transformation for Open Compound Domain Adaptive Semantic Segmentation [62.68759523116924]
  オープン化合物ドメイン適応(OCDA)は、実用的な適応セットとして現れている。 我々は、新しい特徴空間振幅スペクトル変換(AST)を提案する。
  論文  参考訳（メタデータ） (2022-02-09T05:40:34Z)

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。