LingBot-Map은 Robbyant 팀이 공개한 feed-forward 3D foundation model repo입니다. 소개 문장만 보면 streaming data로부터 scene을 재구성하는 3D 모델처럼 보이지만, README에서 더 눈에 띄는 부분은 긴 입력을 다루기 위한 설계입니다.
핵심은 Geometric Context Transformer입니다. 이 구조는 coordinate grounding, dense geometric cues, long-range drift correction을 한 스트리밍 프레임워크 안에 묶고, anchor context, pose-reference window, trajectory memory로 장면의 기준점을 유지하려고 합니다. 3D reconstruction은 짧은 클립에서는 그럴듯해도, 카메라가 오래 이동하면 drift와 누적 오차가 빠르게 문제가 됩니다. LingBot-Map은 바로 그 장기 일관성 문제를 전면에 둡니다.
성능 방향도 명확합니다. README는 paged KV cache attention을 통해 518×378 해상도에서 약 20 FPS, 10,000프레임을 넘는 긴 시퀀스까지 안정적인 추론을 목표로 한다고 설명합니다. demo.py는 viser 기반 브라우저 뷰어를 제공하고, outdoor scene에서는 --mask_sky 옵션으로 ONNX sky segmentation을 적용해 하늘 영역 point를 제거합니다. 예시 scene에는 courthouse, university, loop, Oxford 등이 포함됩니다.
긴 영상에 대한 처리 방식도 repo에 비교적 구체적으로 드러납니다. 3,000프레임을 넘는 경우에는 --mode windowed, --window_size 128, --overlap_keyframes 16, --keyframe_interval 2 같은 설정을 쓰는 windowed inference가 제시됩니다. 약 25,000프레임, 13분짜리 indoor walkthrough는 interactive viewer가 아니라 offline rendering pipeline으로 처리합니다.
주의할 점도 있습니다. README는 기본 설정에서는 state resetting을 하지 않기 때문에, 학습 때 본 최장 거리 밖에서는 pose collapse가 발생할 수 있다고 밝힙니다. 그래서 이 프로젝트는 단순한 원클릭 복원 도구라기보다, 긴 스트림 3D 파이프라인에서 속도, 메모리, 기준점, drift를 어떻게 절충할지 보여주는 사례에 가깝습니다. 로봇, AR, 장시간 실내외 맵핑을 보는 개발자라면 모델 이름보다 keyframe, window, cache, trajectory memory의 조합을 보는 것이 더 유익합니다.