Mamba3R: 固定容量の選択的状態メモリによる長系列3D再構成

- 長い入力列に対する streaming 3D reconstruction を、固定 GPU 予算内で幾何品質を保ちながら行うための手法。 - 事前学習済み recurrent model の backbone と task heads を更新せず、bounded state を維持する。 - 学習するのは state-memory adapter のみで、パラメータ数は 1.28 million。 - 屋内・屋外の公開データセットと robot 記録の走行データで評価。

- 事前学習済み recurrent model を凍結すると state-observation の相互作用が固定される問題に対し、backbone を更新せず適応経路を追加。 - 共有 periodic-reset protocol の下で、recurrent baselines より trajectory error を低減し、accumulated surface と depth accuracy を改善。 - ある指標では最大 40 percent の改善。 - 割当メモリは変えず、1 から 2,000 フレームで throughput 変動は最大 1.4 percent。

- selective state-space mixer が native state features と fixed-capacity auxiliary memory を jointly に変換。 - 明示的な read path と write path でフレーム間の情報伝達を行う。 - decomposed feedback path が追加メモリのフィードバックを調整。 - backbone と task heads は更新せず、adapter のみを学習。

- 公開 indoor および outdoor データセットと robot-recorded traversals で検証。 - 共有 periodic-reset protocol の下で recurrent baselines と比較。 - matched comparisons により mixing operator の選択とフレーム間の auxiliary memory 保持の有用性を支持。 - RTX 4060 上で同一 checkpoint により平均 11.7 FPS、5.1 GiB 以内、10 Hz sensor rate をカバー。

- 固定容量メモリと backbone 凍結により bounded state を保つ設計。 - 1 から 2,000 フレームで割当メモリは不変、throughput 変動は最大 1.4 percent。 - ただし比較は共有 periodic-reset protocol 下に限定され、他条件での挙動は要旨からは不明。 - 長大系列での限界や失敗ケースは要旨からは不明。

- 比較対象として言及される recurrent baselines 関連の streaming 3D reconstruction 研究。 - selective state-space model の代表として Mamba 系の手法。 - 固定容量 auxiliary memory や state-memory adapter を用いる長系列モデリング研究。 - periodic-reset protocol を採用する streaming reconstruction 研究。