3D点云学习新架构！PointRWKV联合RWKV，刷新点云表征学习性能及FLOPs

文章预览

Transformer 彻底改变了点云学习任务，但其二次复杂度阻碍了其向长序列的扩展，这给有限的计算资源带来了负担。最近出现的 RWKV 是一种新型的深度序列模型，在 NLP 任务中显示出序列建模的巨大潜力。在这项工作中提出了 PointRWKV，这是一种线性复杂度的新模型，具有 3D 点云学习任务所需的适应性。 通过对不同点云学习任务的大量实验表明，所提出的 PointRWKV 优于基于 transformer 和 mamba 的同类网络，同时显著节省了约 42% 的 FLOPs，展示了构建基础 3D 点云表征学习模型的优越性。 论文标题： PointRWKV: Efficient RWKV-Like Model for Hierarchical Point Cloud Learning 论文链接： https://arxiv.org/abs/2405.15214     项目主页： https://hithqd.github.io/projects/PointRWKV/   背景 3D 点云分析是众多现实应用的基础，包括自动驾驶、虚拟现实和机器人技术等。与 2D 图像不同，点云的内在 ………………………………