Startseite Projekte HashNeRF-pytorch
HashNeRF-pytorch
Python

HashNeRF-pytorch

Reine PyTorch-Implementierung des NVIDIA-Papiers über Instant Training von Neural Graphics-Primitiven: https://nvlabs.github.io/instant-ngp/

von yashbhalgat · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
3d-reconstructionartificial-intelligencecomputer-graphicsMITPython
Auf GitHub ansehen
In einfachen Worten

Experimentieren Sie mit einer schnellen Methode zum Trainieren von 3D-Grafikmodellen mithilfe einer einfachen PyTorch-Implementierung.

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 →
HashNeRF-pytorch — GitHub preview card
📈 Sternhistorie
1 0361 035
2026-07-202026-08-31
📈 HashNeRF-pytorch verfolgen

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

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

Reine PyTorch-Implementierung des NVIDIA-Papiers über Instant Training von Neural Graphics-Primitiven: https://nvlabs.github.io/instant-ngp/

HashNeRF-pytorch hat 1k Sterne auf GitHub. Es wurde 108-mal geforkt. HashNeRF-pytorch ist hauptsächlich in Python geschrieben. Es wird seit 2022 aktiv entwickelt. HashNeRF-pytorch ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: 3d-reconstruction, artificial-intelligence, computer-graphics, computer-vision.

Frequently asked questions

Was ist HashNeRF-pytorch?

Reine PyTorch-Implementierung des NVIDIA-Papiers über Instant Training von Neural Graphics-Primitiven: https://nvlabs.github.io/instant-ngp/

Ist HashNeRF-pytorch Open Source?

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

Ist HashNeRF-pytorch kostenlos?

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

Unter welcher Lizenz steht HashNeRF-pytorch?

HashNeRF-pytorch ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist HashNeRF-pytorch geschrieben?

HashNeRF-pytorch ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — HashNeRF-pytorch

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

[![olud.ai](https://olud.ai/badge.php?tool=yashbhalgat-hashnerf-pytorch)](https://olud.ai/project/yashbhalgat-hashnerf-pytorch.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
ScanNet
2.3k · 3d-reconstruction
teiltcomputer-graphics3d-reconstruction
neural-rgbd-surface-reconstruction
Offizielle Implementierung des CVPR 2022-Papiers "Neural RGB-D Surface Reconstruction"
631 · 3d-reconstruction
teiltcomputer-graphics3d-reconstruction
humanrf
Offizieller Code für "HumanRF: Hochauflösende neuronale Radiance Fields für Menschen in Bewegun…
496 · 3d-reconstruction
teiltcomputer-graphics3d-reconstruction
Instant-angelo
Instant-angelo: Erstellen Sie innerhalb von 20 Minuten einen hochpräzisen Digital Twin!
462 · 3d
teiltcomputer-graphics3d-reconstruction
instant-ngp
Sofortige neuronale Grafikprimitive: blitzschnelles NeRF und mehr
17.5k · 3d-reconstruction
teiltcomputer-graphics3d-reconstruction
Structured3D
[ECCV'20] Structured3D: Ein großes fotorealistisches Dataset für strukturiertes 3D-Modellieren
674 · 3d-reconstruction
teiltcomputer-graphics3d-reconstruction
Skyfall-GS
[ECCV 2026] Skyfall-GS: Synthese immersiver 3D-Stadtlandschaften aus Satellitenbildern
927 · 3d-reconstruction
teiltcomputer-graphics3d-reconstruction
ECON
[CVPR'23, Highlight] ECON: Explizit bekleidete Menschen optimiert durch Normalintegration
1.2k · 3d-reconstruction
teiltcomputer-graphics3d-reconstruction
neuralangelo
Offizielle Implementierung von "Neuralangelo: Hochfidelity Neuronale Oberflächenrekonstruktion"…
4.6k · 3d-reconstruction
teiltcomputer-graphics3d-reconstruction
LongSplat
[ICCV 2025] LongSplat: Robustes ungestelltes 3D-Gaussian-Splatting für lässige lange Videos
794 · 3d-gaussian-splatting
teiltcomputer-graphics3d-reconstruction

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