Startseite Projekte TesserAct
TesserAct
Python

TesserAct

ICCV 2025 | TesserAct: Lernen von 4D verkörperten Weltmodellen

von UMass-Embodied-AGI · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Kategorie
Sprache
3d4dembodied-aiMITPython
Auf GitHub ansehen
In einfachen Worten

Erstellen Sie Videos, die eine 4D-Umgebung mithilfe von Bildern und Textanweisungen simulieren.

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 →
TesserAct — GitHub preview card
📈 Sternhistorie
402401
2026-07-202026-08-31
📈 TesserAct verfolgen

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

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

ICCV 2025 | TesserAct: Lernen von 4D verkörperten Weltmodellen

TesserAct hat 401 Sterne auf GitHub. Es wurde 19-mal geforkt. TesserAct ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. TesserAct ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: 3d, 4d, embodied-ai, robotics.

Frequently asked questions

Was ist TesserAct?

ICCV 2025 | TesserAct: Lernen von 4D verkörperten Weltmodellen

Ist TesserAct Open Source?

TesserAct ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist TesserAct kostenlos?

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

Unter welcher Lizenz steht TesserAct?

TesserAct ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist TesserAct geschrieben?

TesserAct ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — TesserAct

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

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

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