Startseite Projekte EmerNeRF
EmerNeRF
Python

EmerNeRF

PyTorch-Implementierung von EmerNeRF: Emergent Spatial-Temporal Scene Decomposition via Self-Supervision

von NVlabs · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Sprache
autonomous-drivingdrivingfoundation-modelsPython
Auf GitHub ansehen
In einfachen Worten

Führen Sie ein Programm aus, das Szenen aus Fahrdaten mithilfe von selbstüberwachtem Lernen analysiert und versteht.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
EmerNeRF — GitHub preview card
📈 Sternhistorie
640639
2026-07-202026-08-31
📈 EmerNeRF verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

PyTorch-Implementierung von EmerNeRF: Emergent Spatial-Temporal Scene Decomposition via Self-Supervision

EmerNeRF hat 639 Sterne auf GitHub. Es wurde 48-mal geforkt. EmerNeRF ist hauptsächlich in Python geschrieben. Es wird seit 2023 aktiv entwickelt. Die Hauptthemen sind: autonomous-driving, driving, foundation-models, nerf.

Frequently asked questions

Was ist EmerNeRF?

PyTorch-Implementierung von EmerNeRF: Emergent Spatial-Temporal Scene Decomposition via Self-Supervision

Ist EmerNeRF Open Source?

EmerNeRF ist ein Open-Source-Projekt.

Ist EmerNeRF kostenlos?

Ja. EmerNeRF ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist EmerNeRF geschrieben?

EmerNeRF ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — EmerNeRF

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=nvlabs-emernerf)](https://olud.ai/project/nvlabs-emernerf.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.