MarkTechPost · 31.07.2026 ·ИИ в бизнесе

Руководство по созданию 3D-сцен с помощью LingBot-Map

LingBot-Map представляет собой пайплайн для потоковой 3D-реконструкции, позволяющий преобразовывать последовательности изображений или видео в детализированные трехмерные сцены. Инструмент оптимизирован для работы с графическими процессорами, что ускоряет процесс обработки данных и генерацию облаков точек. Пользователи могут экспортировать готовые результаты в форматах PLY и NPZ для дальнейшего использования в инженерных и визуализационных задачах.

Процесс работы с системой начинается с настройки GPU-конфигурации и предварительной обработки исходных данных. Основным компонентом выступает модель GCTStream, которая отвечает за инференс и построение консистентной геометрии пространства. Использование GPU-ориентированного подхода позволяет минимизировать задержки при обработке видеопотока, обеспечивая высокую точность восстановления объектов в реальном времени или при пакетной обработке.

Технология находит применение в задачах, где требуется быстрое создание цифровых двойников или пространственное картирование на основе визуальных данных. Возможность сохранения данных в стандартных форматах облаков точек упрощает интеграцию LingBot-Map в существующие рабочие процессы компьютерного зрения и 3D-моделирования.

Ключевые факты

Основной функционал включает потоковую 3D-реконструкцию из видео или наборов изображений.
Модель GCTStream используется как центральный элемент для выполнения инференса.
Система поддерживает экспорт готовых 3D-сцен в форматах PLY и NPZ.
Архитектура пайплайна оптимизирована для эффективного использования вычислительных мощностей GPU.

Источник: MarkTechPost

Обсудить с ИИ

Похожие материалы

GitHub · Машинное обучение Lingbot-vision: новый подход к пространственному восприятию через самообучение Проект Lingbot-vision представляет собой реализацию методов самообучения (self-supervised learning) для задач пространственного восприятия. Исследование фокусируется на том, как модели могут эффективно извлекать геометрические и пространственные признаки из визуальных данных без необходимости в размеченных наборах данных, что является критически важным этапом для развития автономных систем и робототехники. arXiv · Исследования и наука OrbitForge: генерация 3D-сцен на основе видеомоделей Исследователи представили OrbitForge — метод генерации 3D-сцен из текстовых описаний, использующий предобученные видеомодели в качестве основы. Система решает проблему пространственной несогласованности и ограниченного обзора, характерную для генерации видео, путем интеграции адаптера с технологией 3D Gaussian Splatting. Это позволяет создавать качественные и геометрически корректные 3D-объекты, сохраняя при этом высокую детализацию, свойственную современным генеративным видеомоделям. MarkTechPost · Машинное обучение Ant Group представила LingBot-Vision: компактную модель для пространственного восприятия Ant Group открыла исходный код LingBot-Vision — семейства моделей компьютерного зрения с 1 миллиардом параметров, ориентированных на плотное пространственное восприятие. Инновационный метод обучения с использованием маскированного моделирования границ (Masked Boundary Modeling) позволяет модели эффективно распознавать контуры объектов, достигая производительности, сопоставимой с гораздо более крупными архитектурами, и выступая фундаментом для специализированных систем оценки глубины. Hacker News · Модели и релизы LingBot-Video: открытая MoE-модель для воплощенного ИИ Представлена LingBot-Video — open-source модель на архитектуре Mixture-of-Experts (MoE), разработанная для задач воплощенного ИИ (embodied AI). Решение ориентировано на обработку видеоданных, позволяя агентам лучше интерпретировать визуальную информацию в динамической среде. Модель доступна для исследователей и разработчиков, стремящихся интегрировать продвинутые возможности компьютерного зрения в свои агентные системы и робототехнические платформы. NVIDIA Technical Blog · Машинное обучение Оптимизация нейронных пайплайнов реконструкции 3D-сцен с помощью NVIDIA Nsight NVIDIA представила руководство по оптимизации нейронного конвейера реконструкции NuRec, предназначенного для создания высокоточных 3D-моделей реальных сред на основе мультисенсорных данных. Использование инструментов профилирования NVIDIA Nsight позволило разработчикам выявить узкие места в производительности и значительно ускорить процесс обработки данных, что критически важно для задач компьютерного зрения и создания цифровых двойников. NVIDIA Technical Blog · ИИ в бизнесе Создание систем 3D-трекинга объектов с NVIDIA DeepStream 9.1 NVIDIA представила руководство по разработке систем видеоаналитики, способных отслеживать объекты при их перемещении между зонами обзора нескольких камер. Обновление DeepStream 9.1 позволяет объединять данные с разных ракурсов в единое 3D-пространство, что критически важно для автоматизации логистики, ритейла и управления безопасностью на крупных объектах, где традиционного 2D-трекинга недостаточно для точной идентификации и локализации. arXiv · Исследования и наука Генерация 3D-интерьеров сложной геометрии с помощью LLM Исследователи представили новый метод синтеза 3D-сцен для помещений со сложной, неортогональной геометрией (non-Manhattan environments). В отличие от существующих решений, ориентированных на стандартные прямоугольные планировки, предложенный подход позволяет эффективно моделировать нестандартные пространственные связи и объекты, значительно снижая количество геометрических ошибок и повышая физическую достоверность создаваемых интерьеров на основе текстовых описаний. MarkTechPost · Оркестрация агентов Создание мультиагентной системы для автоматизированного видеомонтажа Разработан архитектурный пайплайн для автоматизации видеомонтажа, имитирующий логику VideoAgent. Система объединяет парсинг намерений, графовое планирование задач и динамическую маршрутизацию инструментов. Решение позволяет преобразовывать текстовые запросы в последовательность операций, выполняя их через интеграцию с FFmpeg, Whisper и инструментами анализа контента, обеспечивая самокоррекцию графа выполнения через текстовый градиентный оптимизатор. Hacker News · Инфраструктура для агентов Claude-real-video: инструмент для анализа видеопотока любыми LLM Проект Claude-real-video предоставляет инфраструктурное решение для интеграции видеоаналитики в любые LLM, не обладающие нативной поддержкой мультимодальности. Инструмент автоматически извлекает кадры из видеопотока, преобразует их в последовательность изображений и передает в модель для анализа, позволяя агентам «видеть» динамический контент и принимать решения на основе визуальных данных в реальном времени. arXiv · Исследования и наука GS-Agent: генерация 4D-миров на основе текстовых описаний Исследователи представили GS-Agent — систему для автоматического создания динамических и физически корректных 4D-сред на основе текстовых промптов. Решение объединяет генеративные модели с физическим моделированием, позволяя формировать визуально детализированные миры с реалистичной анимацией и взаимодействием объектов, что значительно сокращает трудозатраты на ручную настройку материалов, освещения и траекторий движения в традиционной компьютерной графике.

← Все материалы