연구진은 Mamba 기반 3D 포인트 클라우드 모델의 효율적인 파라미터 효율적 튜닝(PEFT)을 위한 새로운 프레임워크 'Mantis'를 제안했습니다.
Mantis는 State-Aware Adapter (SAA)를 도입하여 선택적인 상태 공간 업데이트에 작업 조건부 제어 신호를 주입하고, Dual-Serialization Consistency Distillation (DSCD)을 통해 다양한 포인트 클라우드 시리얼화를 규제합니다.
벤치마크 실험 결과, Mantis는 전체 파라미터의 약 5%만으로 경쟁력 있는 성능을 달성했으며, 코드 및 모델은 GitHub에서 확인할 수 있습니다.