MeshMamba：用于关节式三维网格生成与重建的状态空间模型

基于摘要分析。本文研究关节式三维网格的生成与重建，提出使用 Mamba State Space Models（Mamba-SSMs）的 MeshMamba，通过结构感知的顶点序列化处理大量网格顶点，并分别构建生成模型 MambaDiff3D 与单图人体网格恢复模型 Mamba-HMR。 核心机制是将网格顶点排列为适合 Mamba 处理的序列：依据身体部位标注，或模板网格的三维顶点位置排序，使序列顺序反映关节式形状的结构。该方法依赖网格的部位信息或模板几何，而不是直接将无序顶点输入序列模型。摘要未提供排序细节、模型结构、训练损失及计算复杂度测量，相关信息尚未验证。 MambaDiff3D 是用于关节式三维网格生成的去噪扩散模型。作者报告，MeshMamba 能处理超过 10,000 个顶点的身体网格，表达衣物及手部几何；MambaDiff3D 能生成穿衣人体和具有抓握手势的稠密网格，并在三维人体形状生成任务上优于此前方法，但摘要未给出数据集、对照名称或具体指标。 Mamba-HMR 从单张图像恢复人体形状与姿态。作者报告，相较此前约使用 500 个顶点 token、主要处理身体姿态的非参数人体网格恢复方法，其可扩展至包含面部和双手的全身设置，并在接近实时的条件下取得有竞争力的表现。运行硬件、延迟、数据划分及精度指标尚未验证，不能据此进行量化性能比较。 平台推测（待验证）：结构感知序列化可能为 EEG 多通道输入的空间组织提供方法启发，但网格模板与关节结构并不等同于电极拓扑。假设检验可固定同一 Mamba 主干，在一致的跨被试划分下比较电极空间排序与随机排序；需将顶点排序改造为电极空间映射，并核对通道变化、低信噪比及小数据条件下的稳定性。这不构成已验证的 BCI 效果，已有 EEG 相关工作尚未检索确认。全文实验协议、消融及统计信息尚未验证。