3D点云学习新架构！PointRWKV：刷新点云表征学习性能及FLOPs！

文章预览

↑ 点击 蓝字  关注极市平台 编辑丨极市平台 极市导读   本文提出了一种基于RWKV的算法，该算法可以在极小的线性复杂度和参数量上达到较高的效率，并且能够处理多尺度的点云输入。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 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： https://arxiv.org/abs/2405.15214 主页 ………………………………