BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

NSM4D：基于神经场景模型的在线 4D 点云序列理解

💡 原文中文，约300字，阅读约需1分钟。
📝

内容提要

该文介绍了顺序场景流估计（SSFE）问题及其解决方法，使用SPCM-Net架构聚合关联，实验结果表明递归处理点云序列的效果更好。该方法还可用于顺序点云预测（SPF）问题，并提供了新的基准数据集进行测试。

🏷️

标签

SPCM-Net 点云 点云序列 递归处理 顺序场景流估计 顺序点云预测
➡️

继续阅读

  1. DeepSeek-V4 模型结构（3）：序列维度（下），HCA、混合排布与零件
    本文详解DeepSeek-V4模型结构：HCA将128个token压缩为一条目，无需稀疏选择；CSA与HCA交错排布，确保全局信息不丢失；滑窗分支弥补压缩...
  2. DeepSeek-V4 模型结构（2）：序列维度（中），Lightning Indexer 与稀疏选择
    本文介绍DeepSeek-V4模型中的压缩稀疏注意力（CSA）机制。KV缓存每4个token压缩为一条，1M上下文仍有26万条目，故用lightning ...
  3. DeepSeek-V4 模型结构（1）：序列维度（上），从 MLA 到压缩 KV
    本文介绍DeepSeek-V4的注意力机制，从MHA到CSA/HCA的演进，重点分析压缩KV缓存的方法。V4将每4或128个token压缩为一条512维K...
  4. Kimi K3 模型结构（3）：序列维度，Gated MLA 与 3:1 混合
    本文介绍Kimi K3模型结构：采用3:1混合，每四层含一层Gated MLA（无位置编码、满秩sigmoid门），其余为KDA层。MLA低秩压缩KV至5...
  5. Kimi K3 模型结构（2）：序列维度（下），chunkwise 并行与下界衰减
    本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使...
  6. Kimi K3 模型结构（1）：序列维度（上），从线性注意力到 KDA
    本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进...
👤 个人中心
在公众号发送验证码完成验证