lingbot-map

概要

LingBot-Map は Robbyant Team によるストリーミング3D 再構成向けのフィードフォワード型3D 基盤モデルです。Geometric Context Transformer を使い、アンカーコンテキスト、姿勢参照ウィンドウ、軌跡メモリによって、座標の基準付け、密な幾何情報、長距離のドリフト補正を1つにまとめています。README では 518x378 の解像度で約 20 FPS、1万フレーム超の系列を処理できるとされています。対話デモ、長い系列向けのウィンドウ推論、空マスク、オフライン描画パイプラインを備えます。

主な特長

• Geometric Context Transformer によるストリーミング3D 再構成
• ページ化 KV キャッシュ注意で 518x378 において約 20 FPS
• 3000 フレーム超の系列向けウィンドウ推論
• 空マスクや表示オプション付きの対話デモ
• KITTI と Oxford Spires の評価スクリプト

こんな人・用途に

長い動画の3D 再構成に取り組む研究者やエンジニアで、デモと評価コード付きの公開モデルが欲しい人向けです。ECCV 2026 の口頭発表として紹介されています。