跳到主要内容

安装与快速开始

⚙️ 安装​

创建 conda 环境​

conda create -n lingbot-map python=3.10 -y
conda activate lingbot-map

安装 PyTorch（CUDA 12.8）​

pip install torch==2.8.0 torchvision==0.23.0 --index-url https://download.pytorch.org/whl/cu128

推荐使用 PyTorch 2.8.0，因为 NVIDIA Kaolin（批量渲染流程所需）提供了针对 torch-2.8.0_cu128 的预编译 wheel。如果你只需要使用 demo.py，可以使用更新版本的 PyTorch，但此时批量渲染器需要从源码构建 Kaolin。 对于其他 CUDA 版本，请参见 PyTorch Get Started。

安装 lingbot-map​

pip install -e .

安装 FlashInfer（推荐）​

FlashInfer 为高效的流式推理提供分页 KV 缓存注意力。它是一个纯 Python 包，会在首次使用时 JIT 编译 CUDA 内核，因此单个 wheel 即可跨 CUDA/PyTorch 版本工作：

pip install --index-url https://pypi.org/simple flashinfer-python

仅当你的默认 pip 索引是一个不包含 flashinfer-python 的内部镜像时，才需要 --index-url https://pypi.org/simple。 （可选）为加快首次使用速度，你还可以额外安装一个 CUDA 专用的 JIT 缓存：pip install flashinfer-jit-cache -f https://flashinfer.ai/whl/cu128/flashinfer-jit-cache/。 详情参见 FlashInfer installation。如果未安装 FlashInfer，模型会通过 --use_sdpa 回退到 SDPA（PyTorch 原生注意力）。

可视化依赖（可选）​

pip install -e ".[vis]"

📦 模型下载​

模型名称Huggingface 仓库ModelScope 仓库描述
lingbot-map-longrobbyant/lingbot-mapRobbyant/lingbot-map更适合长序列和大规模场景（推荐）。
lingbot-maprobbyant/lingbot-mapRobbyant/lingbot-map均衡型检查点——在短序列和长序列上权衡全方位的性能。
lingbot-map-stage1robbyant/lingbot-mapRobbyant/lingbot-maplingbot-map 的第一阶段训练检查点——可加载到 VGGT 模型中进行双向推理（c2w）。

🚀 快速开始​

安装完成后，用一条命令即可运行你的第一个场景：

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

这会在 http://localhost:8080 启动一个交互式的 viser 查看器。完整的场景与参数集合请参见下文的 交互式演示，或直接跳转到 离线渲染流程 进行长序列批量渲染。