lingbot-map-3d-reconstruction — скилл для Claude Code: 3D из видео
Скилл для потоковой 3D-реконструкции сцены из изображений или видео: облако точек, позы камеры, карты глубины. Пригодится, когда нужно собрать геометрию по длинной последовательности кадров.
npx skills add reason-machines/trending-skills --skill lingbot-map-3d-reconstruction -a claude-codeЧто делает lingbot-map-3d-reconstruction
Скилл подключает к агенту модель LingBot-Map — прямой проход без итеративной оптимизации. На выходе облако точек с уверенностью по каждой точке, позы камеры и карты глубины. Внутри Geometric Context Transformer, а внимание с paged KV cache позволяет держать длинные последовательности: в описании заявлено около 20 FPS на разрешении 518×378 при более чем 10 000 кадров.
Работает через demo.py — основной вход. Можно подать папку с изображениями (--image_folder) или видео (--video_path с --fps), включить маскирование неба для улицы (--mask_sky). Для длинных последовательностей есть --keyframe_interval и оконный режим --mode windowed --window_size 64. Демо поднимает интерактивный просмотрщик в браузере на localhost:8080.
Заранее понадобится окружение на Python 3.10, PyTorch под CUDA 12.8 и скачанный чекпоинт — его берут с HuggingFace или ModelScope. FlashInfer для быстрого внимания ставится отдельно; без него есть запасной путь через --use_sdpa. Если FlashInfer не встал, демо всё равно запустится, просто медленнее — это повод проверить сборку под свою версию CUDA до прогона длинного видео.
Какие задачи решает
- собрать облако точек из папки фотографий
- получить позы камеры по видеозаписи
- снять маску неба на уличных кадрах
- прогнать реконструкцию на последовательности длиннее 3000 кадров
- посмотреть результат в интерактивном 3D-просмотрщике
Примеры запросов агенту
- реконструируй 3D-сцену из папки example/church через lingbot-map
- запусти demo.py на video.mp4 с fps 10 и маскированием неба
- включи оконный режим для длинной последовательности, window_size 64
Как установить lingbot-map-3d-reconstruction
1Через Skills CLI (Vercel)
npx skills add reason-machines/trending-skills --skill lingbot-map-3d-reconstruction -a claude-code2Вручную: положить файлы
~/.claude/skills/lingbot-map-3d-reconstruction/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/lingbot-map-3d-reconstruction/
1Через Skills CLI (Vercel)
npx skills add reason-machines/trending-skills --skill lingbot-map-3d-reconstruction -a codex2Вручную: положить файлы
.agents/skills/lingbot-map-3d-reconstruction/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add reason-machines/trending-skills --skill lingbot-map-3d-reconstruction -a cursor2Вручную: положить файлы
.cursor/skills/lingbot-map-3d-reconstruction/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install reason-machines/trending-skills lingbot-map-3d-reconstruction2Вручную: положить файлы
.github/skills/lingbot-map-3d-reconstruction/SKILL.md1Через Skills CLI (Vercel)
npx skills add reason-machines/trending-skills --skill lingbot-map-3d-reconstruction -a gemini-cli2Командой платформы
gemini skills install https://github.com/reason-machines/trending-skills --path skills/lingbot-map-3d-reconstructionВручную: положить файлы
.devin/skills/lingbot-map-3d-reconstruction/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add reason-machines/trending-skills --skill lingbot-map-3d-reconstruction -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о lingbot-map-3d-reconstruction
Как установить lingbot-map-3d-reconstruction в Claude?
Выполните npx skills add reason-machines/trending-skills --skill lingbot-map-3d-reconstruction -a claude-code. Скилл появится в ~/.claude/skills/lingbot-map-3d-reconstruction/SKILL.md.
Что делает lingbot-map-3d-reconstruction?
Даёт агенту доступ к модели LingBot-Map для потоковой 3D-реконструкции: по изображениям или видео строятся облако точек, позы камеры и карты глубины.
Что нужно подготовить до запуска?
Окружение на Python 3.10 с PyTorch под CUDA 12.8 и файл чекпоинта checkpoint.pt с HuggingFace или ModelScope. FlashInfer рекомендуется, но есть запасной режим --use_sdpa.
