lingbot-map: Feed-forward 3D-фундаментальная модель для потоковой 3D-реконструкции по видео и кадрам.

Чем полезно

Строит 3D-сцену и траекторию камеры в реальном времени за один проход сети без итеративной оптимизации; заявляет ~20 FPS на 518×378 даже для последовательностей длиннее 10 000 кадров.

Главные возможности

• Геометрический контекст-трансформер с контролем дрейфа на длинных последовательностях
• Потоковый инференс с paged KV cache через FlashInfer, есть запасной SDPA
• Офлайн-пайплайн рендеринга и бенчмарки KITTI, Oxford Spires и другие

Для кого

Исследователи и разработчики 3D-зрения, робототехники и реконструкции сцен

Как начать

python demo.py --model_path /path/to/lingbot-map.pt --image_folder example/courthouse --mask_sky