【2025CVPR-目标检测方向】UniMamba：基于激光雷达的3D目标检测，采用分组高效曼巴语进行统一空间信道表示学习

1. 研究背景与动机​

• ​问题​：现有基于LiDAR的3D目标检测方法存在局限：
  • ​Transformer方法​：计算复杂度高（O(n2)），需将3D体素分组为多个序列，导致感受野受限​（图1a）。
  • ​稀疏卷积方法​：感受野小，难以捕获全局上下文。
  • ​序列化过程​：将3D体素展平为1D序列会破坏空间结构。
• ​解决思路​：受Mamba（状态空间模型，SSM）在NLP和2D视觉中的线性计算复杂度启发，将其引入3D检测，但需解决：
  • 序列化导致的空间局部性丢失
  • 全局建模的冗余问题
  • 局部与全局依赖的平衡

---

​2. 核心创新：UniMamba架构​

​整体框架（图2）​​

• ​流程​：点云体素化 → Un