LingBot-Map 是用于流式三维重建的前馈式三维基础模型，使用 Geometric Context Transformer。它无需迭代优化，可直接从图像序列或视频推理，输出带逐点置信度的点云、相机位姿和深度图。据资料称，在 518×378 分辨率下借助分页 KV 缓存注意力，超过 10000 帧的序列可达到约 20 FPS。
用法上需先建环境并安装依赖：conda create -n lingbot-map python=3.10 -y、conda activate lingbot-map，然后 pip install torch==2.9.1 torchvision==0.24.1 --index-url https://download.pytorch.org/whl/cu128；再 git clone https://github.com/Robbyant/lingbot-map.git、cd lingbot-map、pip install -e .。可选用 pip install flashinfer-python -i https://flashinfer.ai/whl/cu128/torch2.9/ 加速，或用 pip install -e ".[vis]" 支持可视化，用 pip install onnxruntime 或 onnxruntime-gpu 支持天空掩码。模型可从 HuggingFace（robbyant/lingbot-map）或 ModelScope 下载。
主要入口为 demo.py，支持 --image_folder 或 --video_path（配合 --fps）输入，浏览器查看器默认端口 8080。长序列可用 --keyframe_interval、--mode windowed 与 --window_size 控制显存；不支持 FlashInfer 时可加 --use_sdpa。室外场景可加 --mask_sky 去除天空噪声点，并可指定 --sky_mask_dir 或 --sky_mask_visualization_dir。输出质量可通过 --conf_threshold、--downsample_factor、--point_size 调节。
适用场景包括室内外场景重建、长视频与超长序列处理、交互式查看。限制方面：实际速度需 CUDA GPU，检查点为约 4.63 GB；CPU 或不支持 FlashInfer 时可用 SDPA 回退；序列过长需调整缓存或窗口模式，否则可能显存不足。资料未提供收费、价格与平台支持等信息。