論文の概要: Mamba3R: Fixed-Capacity Selective State Memory for Long-Sequence 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2611.04221v1
• Date: Tue, 03 Nov 2026 03:03:35 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:52:43.403296
• Title: Mamba3R: Fixed-Capacity Selective State Memory for Long-Sequence 3D Reconstruction
• Title（参考訳）: Mamba3R:長期3次元再構成のための固定容量選択記憶
• Abstract要約: 共同設計のステートメモリアダプタであるMamba3Rを紹介する。 バックボーンやタスクヘッドを更新することなく、トレーニング可能な適応パスを提供する。 1.28万のアダプタパラメータしか訓練されていない。
• 参考スコア（独自算出の注目度）: 6.34715318093217
• License:
• Abstract: Streaming 3D reconstruction must maintain geometric quality over long inputs within a fixed GPU budget. A pretrained recurrent model provides bounded state, but freezing its backbone also fixes its learned state-observation interactions. We introduce Mamba3R, a jointly designed state-memory adapter that provides a trainable adaptation path without updating the backbone or task heads. A selective state-space mixer jointly transforms native state features and a fixed-capacity auxiliary memory, explicit read and write paths carry information across frames, and a decomposed feedback path regulates what the added memory feeds back. Only 1.28 million adapter parameters are trained. Under a shared periodic-reset protocol, it lowers trajectory error and improves accumulated surface and depth accuracy over recurrent baselines on public indoor and outdoor datasets and robot-recorded traversals, gaining up to 40 percent on one metric. Matched comparisons support both the choice of the mixing operator and the utility of carrying the auxiliary memory across frames. Allocated memory remains unchanged and throughput moves by at most 1.4 percent from one to two thousand frames. Replaying its recorded traversals offline, the platform's RTX 4060 averages 11.7 frames per second within 5.1 GiB with the same checkpoint, a mean throughput covering the 10 Hz sensor rate.
• Abstract（参考訳）: ストリーム3D再構成は、固定されたGPU予算内での長い入力に対して幾何学的品質を維持する必要がある。 事前トレーニングされたリカレントモデルは、バウンド状態を提供するが、バックボーンを凍結することで、学習した状態-観測相互作用も修正する。 バックボーンやタスクヘッドを更新することなく、トレーニング可能な適応パスを提供する、共同設計のステートメモリアダプタであるMamba3Rを紹介する。 選択状態空間ミキサは、ネイティブな状態特徴と固定容量補助メモリとを共同変換し、明示的な読み書きパスは、フレーム間で情報を搬送し、分解されたフィードバックパスは、追加メモリが送り返すものを制御する。 1.28万のアダプタパラメータしか訓練されていない。 共有周期リセットプロトコルの下では、軌道誤差を低減し、公共の屋内および屋外データセットやロボット記録トラバーサル上での繰り返しベースラインに対する表面および深度精度を向上し、1つのメトリックで最大40%向上する。 マッチング比較は、ミキシング演算子の選択と、フレーム間で補助メモリを運ぶユーティリティの両方をサポートする。 メモリ割り当ては変わらず、スループットは少なくとも1～2000フレームから1.4パーセント向上する。 記録されたトラバーサルをオフラインで再生し、RTX 4060は5.1 GiB以内で毎秒1.7フレーム、これは10Hzのセンサーレートをカバーする平均スループットである。

関連論文リスト

• Reference-Efficient Multimodal Bitstream-Corrupted Video Recovery via Depth-Conditioned Adaptation [49.872033013404156]
  本稿では,RGBと深度情報を用いたマルチモーダルビットストリーム破壊ビデオリカバリ(MBSCVR)について検討する。 本稿では,リカバリウィンドウ毎に選択されたローカルでないRGB参照を選択し,有効活用する新しいMBSCVRフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-11T17:52:09Z)
• Slot3R: Set-Associative Spatial Memory for Streaming 3D Reconstruction [12.476825827161184]
  Slot3Rは、トレーニング済みのPoint3Rバックボーンを凍結させながら、複数の状態が共有アドレスで共存することを可能にする。 300-500のサンプルフレームで、Slot3Rは7Scenesでは57.1%-63.1%、NeuralRGBDでは64.0%-72.0%削減した。
  論文  参考訳（メタデータ） (2026-10-08T16:39:39Z)
• Cache the Encoder Within:Compact, Reusable Memory across LLM Queries [8.513400393183987]
  CoMemの中間状態インタフェース上に構築されたEncBankは、その出力を適応された上位層リーダーにコンパクトに格納する。 自己蒸留サフィックスアダプタは、量子化固有のリトレーニングなしで、各バックボーン内の記憶精度で共有される。 ネイティブ精度のQwen3.8-27B構成も89のターミナルベンチ2.1タスクのうち70タスクをパスしている。
  論文  参考訳（メタデータ） (2026-10-07T13:28:25Z)
• RPMem: Learning Long-Term Recurrent Parametric Memory Across Sessions for LLM Agents [8.24616125117741]
  長時間実行されるLLMエージェントは、セッション間で持続し、進化するメモリを必要とする。 既存のアプローチは、クロスセッションメモリの進化を限定的にサポートする。 RPMemは、各セッションをモデルに依存しない潜在メモリにコンパイルする2段階アーキテクチャである。
  論文  参考訳（メタデータ） (2026-09-20T08:51:10Z)
• GeneralVLA-2: Geometry-Aware Reconstruction and Governed Memory for Robot Planning [61.35267583855844]
  GeneralVLAは、言語とRGB-Dの観察を3Dのエンドエフェクタパスに変換するための階層インターフェースを提供する。 幾何誘導型MV-SAM3D再構成部であるGeoFuse-MV3Dを紹介する。 我々はKnowledgeBankを長期記憶システムにアップグレードする。
  論文  参考訳（メタデータ） (2026-06-16T03:45:24Z)
• Ray-Aware Pointer Memory with Adaptive Updates for Streaming 3D Reconstruction [19.132257919770947]
  連続画像ストリームからの3次元再構成には、正確な幾何集約と安定したメモリ管理が必要である。 空間的位置と視線方向の両方を明示的にモデル化した3次元再構成のためのレイアウェア・ポインターメモリを提案する。 われわれのアプローチは、画像ストリームからのスケーラブルでドリフトに耐性のあるオンライン3D再構成のための、原則化されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-05-07T06:42:11Z)
• Geometric Context Transformer for Streaming 3D Reconstruction [51.19524805829903]
  LingBot-Mapは、ストリーミングデータからシーンを再構築するためのフィードフォワード3Dファウンデーションモデルである。 LingBot-Mapの定義的な側面は、アンカーコンテキスト、ポーズ参照ウィンドウ、トラジェクトリメモリを統合した、慎重に設計されたアテンションメカニズムにある。 この設計は、リッチな幾何学的コンテキストを維持しながら、ストリーミング状態をコンパクトに保ち、518 x 378の解像度入力に対して、20FPS程度の安定した効率的な推論を可能にする。
  論文  参考訳（メタデータ） (2026-04-15T17:58:13Z)
• MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution [52.29303869050117]
  メモリ拡張LDMエージェントは、長期の相互作用をサポートするために外部メモリバンクを保持する。 MemMAはプラグアンドプレイのマルチエージェントフレームワークで、前方と後方の両方の経路に沿ってメモリサイクルを調整する。
  論文  参考訳（メタデータ） (2026-03-19T10:15:59Z)

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。