3DMambaComplete ist ein neuartiges Punktwolkenvervollständigungsnetzwerk, das auf dem Strukturierten Zustandsraummodell basiert. Es erzeugt Hyperpoints, die lokal und global die fehlenden Regionen der Punktwolke effizient rekonstruieren.
Durch die Nutzung der geometrischen Struktur von 3D-Punktwolken kann die Qualität der übertragenen VLM-Darstellungen (Vision-Language-Modell) verbessert werden, um das Zero-Shot-Verständnis von 3D-Punktwolken zu verbessern.
Eine neuartige und effiziente Methode, BFTT3D, für die 3D-Testzeit-Adaption, die die Notwendigkeit für aufwendige Backpropagation eliminiert. Dieses Verfahren ist weniger anfällig für den Einfluss von verrauschter Überwachung aus Pseudo-Labels und erfordert keine Feinabstimmung der Parameter während der Anpassung, wodurch Fehlerakkumulation und Vergessens-Probleme vermieden werden.
Point Transformer V3 (PTv3) priorisiert Einfachheit und Effizienz gegenüber der Genauigkeit bestimmter Mechanismen, um Skalierbarkeit zu ermöglichen. Durch diese Anpassungen kann PTv3 die Leistung deutlich steigern, ohne Kompromisse bei der Effizienz eingehen zu müssen.