Newest papers

MixPT: Point Transformer with Interleaved Window and Global Attention

Minkyun Seo, Hyungtae Lim, Jaesik Park · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31455 · open-access PDF

German

Point-Cloud-Transformatoren zielen darauf ab, detaillierte lokale Geometrie und Beziehungen über eine Szene hinweg zu einem verwaltbaren Berechnungskosten zu erfassen. Zwei gemeinsame Ansätze sind Fenster-Aufmerksamkeit und globale Aufmerksamkeit. Sie unterscheiden sich in der Art und Weise, wie sie eine Szene-weite Interaktion ermöglichen, was sich auf den Informationsaustausch zwischen Token über eine Szene bezieht. Fenster-Aufmerksamkeit reduziert die Berechnungskosten, indem sie die Selbstaufmerksamkeit auf Gruppen von Token beschränkt, die als Fenster bezeichnet werden; in serialisierten Designs enthält jedes Fenster eine feste Anzahl aufeinanderfolgender Token aus einer räumlich angeordneten Sequenz.

Machine translation (Meta M2M100); the English original follows.

Abstract

Point cloud transformers aim to capture detailed local geometry and relationships across a scene at a manageable computational cost. Two common approaches are window attention and global attention. They differ in how they enable scene-wide interaction, which refers to information exchange among tokens across a scene. Window attention reduces computational cost by restricting self-attention to groups of tokens called windows; in serialized designs, each window contains a fixed number of consecutive tokens from a spatially ordered sequence. Because each block only directly connects tokens within

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange