Een LGM is vergelijkbaar met een Large Language Model (zoals ChatGPT), maar richt zich op fysieke locaties in plaats van tekst. Door wereldwijd verzamelde beelden van bijvoorbeeld kerken, parken en andere gebouwen te analyseren, kan de AI onbekende plekken inschatten op basis van gemeenschappelijke kenmerken. Niantic beschrijft het als een manier om "wereldwijde kennis over lokale modellen" toegankelijk te maken.

Een voorbeeld: als een model alleen de voorkant van een kerk heeft gezien, kan het met een LGM inschatten hoe de achterkant eruit zou kunnen zien door informatie over soortgelijke gebouwen wereldwijd te gebruiken. Niantic heeft toegang tot unieke datasets die niet via traditionele methoden zoals Google Street View te verkrijgen zijn. Via Pokémon Go en andere apps worden continu beelden verzameld van plekken waar auto's niet kunnen komen, zoals parken of wandelpaden.

Deze beelden voeden Niantic’s Visual Positioning System (VPS), waarmee locaties met een nauwkeurigheid van enkele centimeters op 3D-kaarten worden geplaatst. Met deze technologie kunnen gebruikers niet alleen hun positie exact bepalen, maar ook digitale objecten in de echte wereld zien en delen. Een voorbeeld hiervan is de nieuwe Pokémon Playgrounds-functie, waarbij Pokémon op specifieke locaties kunnen worden geplaatst en door anderen gezien en interactief gebruikt kunnen worden.

Hoewel Niantic aangeeft dat deze data nu wordt gebruikt om bestaande technologieën zoals Pokémon Go te verbeteren,.