SpaceCache：点云流分割免训练特征缓存

2026年10月16日，arXiv Computer Vision 刊出由 Dongheon Yang、Beomseok Kang、Jae-Joon Kim 提交的论文，提出免训练特征缓存方法 SpaceCache，用于点云流语义分割中的中间特征复用。该方法利用点云 Transformer 相邻帧中间特征在相同空间区域的语义一致性：已观测区域的 token 跳过一段 Transformer 块并直接取用缓存特征，只计算其余 token，随后恢复完整 token 布局以进行稠密预测；同时以轻量缓存管理限制每个条目的存在时长并剔除低置信度条目，以保持复用特征可靠。论文称，在 nuScenes、Waymo、ScanNet 等室外与室内基准上，配合 Utonia 与 LitePT-B 两种 Transformer 骨干，SpaceCache 最高取得 1.65 倍加速，mIoU 下降不足 1 个点，并持续优于 token 合并类方法。上述数据均为论文自述，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。