Home Progetti HashNeRF-pytorch
HashNeRF-pytorch
Python

HashNeRF-pytorch

Implementazione PyTorch pura del documento NVIDIA su Instant Training di primitive grafiche neurali: https://nvlabs.github.io/instant-ngp/

di yashbhalgat · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
3d-reconstructionartificial-intelligencecomputer-graphicsMITPython
Visualizza su GitHub
In parole semplici

Sperimenta un metodo veloce per addestrare modelli grafici 3D utilizzando una semplice implementazione in PyTorch.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
HashNeRF-pytorch — GitHub preview card
📈 Storia delle stelle
1 0361 035
2026-07-202026-08-31
📈 Segui HashNeRF-pytorch

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Implementazione PyTorch pura del documento NVIDIA su Instant Training di primitive grafiche neurali: https://nvlabs.github.io/instant-ngp/

HashNeRF-pytorch ha 1k stelle su GitHub. È stato forkato 108 volte. HashNeRF-pytorch è scritto principalmente in Python. È in sviluppo attivo dal 2022. HashNeRF-pytorch è disponibile con licenza MIT. I suoi temi principali sono: 3d-reconstruction, artificial-intelligence, computer-graphics, computer-vision.

Frequently asked questions

Che cos'è HashNeRF-pytorch?

Implementazione PyTorch pura del documento NVIDIA su Instant Training di primitive grafiche neurali: https://nvlabs.github.io/instant-ngp/

HashNeRF-pytorch è open source?

HashNeRF-pytorch è un progetto open source. È rilasciato con licenza MIT.

HashNeRF-pytorch è gratuito?

Sì. HashNeRF-pytorch è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è HashNeRF-pytorch?

HashNeRF-pytorch è disponibile con licenza MIT.

In quale linguaggio è scritto HashNeRF-pytorch?

HashNeRF-pytorch è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — HashNeRF-pytorch

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=yashbhalgat-hashnerf-pytorch)](https://olud.ai/project/yashbhalgat-hashnerf-pytorch.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
ScanNet
2.3k · 3d-reconstruction
condividecomputer-graphics3d-reconstruction
neural-rgbd-surface-reconstruction
Implementazione ufficiale dell'articolo CVPR 2022 "Neural RGB-D Surface Reconstruction"
631 · 3d-reconstruction
condividecomputer-graphics3d-reconstruction
humanrf
Codice ufficiale per "HumanRF: Campi di Radiance Neurali ad Alta Fedeltà per Umani in Movimento…
496 · 3d-reconstruction
condividecomputer-graphics3d-reconstruction
Instant-angelo
Instant-angelo: Costruisci un Gemello Digitale ad alta fedeltà in 20 minuti!
462 · 3d
condividecomputer-graphics3d-reconstruction
instant-ngp
Primitivi grafici neurali istantanei: NeRF lightning fast e altro
17.5k · 3d-reconstruction
condividecomputer-graphics3d-reconstruction
Structured3D
[ECCV'20] Structured3D: Un grande dataset fotorealistico per la modellazione 3D strutturata
674 · 3d-reconstruction
condividecomputer-graphics3d-reconstruction
Skyfall-GS
[ECCV 2026] Skyfall-GS: Sintesi di scene urbane 3D immersive da immagini satellitari
927 · 3d-reconstruction
condividecomputer-graphics3d-reconstruction
ECON
[CVPR'23, In evidenza] ECON: Umani vestiti espliciti ottimizzati tramite integrazione normale
1.2k · 3d-reconstruction
condividecomputer-graphics3d-reconstruction
neuralangelo
Implementazione ufficiale di "Neuralangelo: Ricostruzione Neurale di Superficie ad Alta Fedeltà…
4.6k · 3d-reconstruction
condividecomputer-graphics3d-reconstruction
LongSplat
[ICCV 2025] LongSplat: Robust Unposed 3D Gaussian Splatting per video lunghi casuali
794 · 3d-gaussian-splatting
condividecomputer-graphics3d-reconstruction

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.