Voxel Mamba: Group-Free State Space Models for Point Cloud based 3D Object Detection

序列化方法是将3D体素序列化并将其分组成多个序列，然后输入到Transformers中，在3D目标检测中证明了其有效性。然而，将3D体素序列化为1D序列将不可避免地牺牲体素的空间接近性。由于Transformers的特征大小具有二次复杂度，因此现有的基于序列化的方法难以通过增大组大小来解决这个问题。受状态空间模型（SSMs）的最新进展启发，我们提出了一种名为Voxel Mamba的Voxel SSM，采用无组策略将整个体素空间序列化为单个序列。SSMs的线性复杂度鼓励我们采用无组设计，缓解体素空间接近性的损失。为了进一步增强空间接近性，我们提出了双尺度SSM块，建立分层结构，在1D序列化曲线中实现更大的感受野以及更完整的3D空间局部区域。此外，我们通过位置编码在无组框架下隐式应用窗口分割，进一步通过编码体素位置信息增强空间接近性。我们在Waymo开放数据集和nuScenes数据集上的实验表明，Voxel Mamba不仅比最先进的方法实现了更高的准确性，而且在计算效率方面也具有显著优势。

论文旨在解决3D物体检测中，序列化3D体素并将其分组输入到Transformer中时，会牺牲体素的空间邻近性的问题。作者提出了一种无组策略的Voxel SSM解决方案来缓解这个问题。

Voxel Mamba采用无组策略将整个体素空间序列化为单个序列。SSMs的线性复杂度鼓励了无组设计，减轻了体素空间邻近性的损失。作者提出了双尺度SSM块来建立分层结构，进一步增强了体素的空间邻近性。通过位置编码隐式地应用窗口分区，进一步增强了体素的空间邻近性。

论文的实验结果表明，Voxel Mamba不仅在计算效率方面具有显著优势，而且比现有的最先进方法具有更高的准确性。作者在Waymo Open Dataset和nuScenes数据集上进行了实验，并开源了代码。

最近的相关研究包括："Voxel Transformers for Learning on Point Clouds"，"PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection"等。