Produkte
KI-Benchmark
Desktop
Mobil
Besuche pro Monat
70.8K
Aufwärts18.6%zum VormonatSept. 2026
Veröffentlichter Umsatz
Nicht offengelegt
Noch keine öffentlichen Umsatzbelege
Einstiegspreis
Kostenlos
Kein monatlicher Abopreis
Entwickler
Emil Ernerfeldt
Kein Social-Konto verknüpft+3 weitere Gründer
Start
vor 3 J.
2023-02-15 · Gesch.

Traffic

Besuche pro MonatDaten bis Sept. 2026 · Okt. 2026 ausstehend
Ereignisse5 Änderungen · 1 Marketing-Aktion

Marketing-Aktionen

Launches, Suche & Content, Verweise, Aktionen
  • Gestartet auf Show HN (4 Pkt.)Launch

    Your 3D Scan Labels Are Trash — I spent a bunch of time digging into the ARKitScenes dataset and built a pipeline that takes as input the raw data (arkit poses/low resolu…

    18. Aug. · vor 3 Mon.Launch-Seite

    Damals: 82K Besuche/Mon.Besuche: nächste 2 Mon. -14%
  • Gestartet auf Show HN (5 Pkt.)Launch

    Egocentric and Exocentric Body Caputre from iPhones only — From 8 -> 5 -> 4 exocentric cameras, all visualized with rerun.io. I've been working on human pose capture for robotics training data and…

    10. Okt. 2025 · vor 13 Mon.Launch-Seite

  • Gestartet auf Show HN (4 Pkt.)Launch

    Multiview Hands Only Pose Estimation — Hands‑only multi‑view hand pose pipeline with a browser demo in Rerun. Outputs: per‑view 2D keypoints + boxes, 3D keypoints, MANO joint an…

    30. Sept. 2025 · vor 14 Mon.Launch-Seite

  • Gestartet auf Show HN (2 Pkt. · 1 Kommentare)Launch

    Building a self collected multiview mocap studio for robot training — MVP of Multiview Video → Camera parameters + 3D keypoints. The basic pipeline as of right now looks like this: 1. Capture – Using 4 iPhone…

    9. Mai 2025 · vor 18 Mon.Launch-Seite

  • Gestartet auf Show HN (1 Pkt.)Launch

    Camera Calibration Using VGGT — Continuing with my robot training collection pipeline, one of the challenges has been obtaining calibrated cameras from sparse multi-view…

    25. März 2025 · vor 20 Mon.Launch-Seite

Drittanbieter-Reviews & Fallstudien

Akquise-Analyse, Entwickler-Reviews & Open-Source-Metriken
Show HN
2024-12-20Quelle
Beitragsauszug:
Rerun 0.21 comes with a new graph viewer that's written in Rust and runs in the browser via wasm. It's powered by a new force based layout engine that is a port of much of d3-force to Rust. (The release also contains some other cool stuff like undo/redo implemented on top of a timeseries DB.) We built this with applications in robotics and spatial computing
Show HN
2025-03-18Quelle
Beitragsauszug:
I’m developing a straightforward method to collect first-person (ego) and third-person (exo) data for robotic training. I’ve been using the HO-cap dataset to establish a baseline, and here are some updates I’ve made: * added in MANO parameters * added TSDF fused mesh from realsense camera to better visualize dataset and potentially set the stage for a gsplat
Show HN
2025-03-25Quelle
Beitragsauszug:
Continuing with my robot training collection pipeline, one of the challenges has been obtaining calibrated cameras from sparse multi-view inputs. I previously worked with Dust3r but found its accuracy insufficient for generating reliable camera parameters. Recently, Meta released VGGT—Visual Geometry Grounded Transformer—which improves both inference speed a
Show HN
2025-05-09Quelle
Beitragsauszug:
MVP of Multiview Video → Camera parameters + 3D keypoints. The basic pipeline as of right now looks like this: 1. Capture – Using 4 iPhones and an Insta360 Go. iPhone videos are captured via Final Cut Pro Multicam for easy sync and the exocentric view; the Insta360 Go is used for the egocentric view. 2. Sync – Custom Gradio app using two @rerundotio viewers
Show HN
2025-09-30Quelle
Beitragsauszug:
Hands‑only multi‑view hand pose pipeline with a browser demo in Rerun. Outputs: per‑view 2D keypoints + boxes, 3D keypoints, MANO joint angles & shape (all predictions, not GT). Four stages: camera estimation → shape calibration → 2D keypoints → pose optimization. Known issues: not real‑time (~5 min for 30s/8 views on a 5090), too many cameras (target: 2 exo
Show HN
2025-10-10Quelle
Beitragsauszug:
From 8 -> 5 -> 4 exocentric cameras, all visualized with rerun.io. I've been working on human pose capture for robotics training data and have started making it more accessible by dropping the number of cameras used and collecting my own data to make sure I'm not overfitting to open-source datasets. I've made lots of improvements to the calibration code and

Open Source & Self-Hosting

GitHub · MCP / Skill
Letzter Commit 2026-11-04
GitHub-Stars
★ 2,009
Forks
195
Lizenz
Apache-2.0 OR MIT
Hauptsprache
Python

Traffic-Quellen

Sept. 2026

Traffic-Aufteilung

Kanäle

  • Direkt41%
  • Organische Suche31%
  • Verweise22%
  • Social Media5%
  • Sonstige2%

Länder

  • Vereinigte Staaten26%
  • Indien10%
  • Vereinigtes Königreich6%
  • Vietnam5%
  • Südkorea5%

Suchen

Domain-Authority —Domain registriert 2017-10-27

KeywordMonatliches Volumen
rerun9,280
rerun robotics440
rerun log350
ai 3d tracking rust egui project200
rerun python librayr uses110

Traffic-Daten: Vaneform

Preise

SDK
Free
Hub
Vertrieb kontaktieren

Testphase: Keine · Individueller Enterprise-Tarif · Observed 2026-11-03 · Preisseite

Seiten & Änderungen

Erfasst seit 2023-02-15

Wichtige Seiten

Wöchentliche Snapshots

Änderungen

  1. 1. Nov. · vor 13 Tg.

    Startseiten-Hauptüberschrift (H1) geändert zu „The Data Layer for Physical AI“Positionierung

    Rerun→The Data Layer for Physical AI

  2. 1. Nov. · vor 13 Tg.

    Eingeführte Technologie: Apple iCloud MailFunktionen

    —→Apple iCloud Mail

  3. 1. Nov. · vor 13 Tg.

    Eingeführte Technologie: Tailwind CSSFunktionen

    —→Tailwind CSS

  4. 1. Nov. · vor 13 Tg.

    Eingeführte Technologie: Three.jsFunktionen

    —→Three.js

  5. 1. Nov. · vor 13 Tg.

    Startseiten-Titel geändert zu „Rerun | The Data Layer for Physical AI“Positionierung

    Rerun — Rerun→Rerun | The Data Layer for Physical AI

Design

First-Screen-Visual-Analyse & :root-CSS

3D-Taktil (Hell-Hintergrund, Dichte: Luftig) mit Zentrierte Headline + CTA-Layout und 3D-Render / Taktiles Objekt-Visuals.

Vorschau · zum Vergrößern klicken

First-screen pitch & conversion flow

“The Data Layer for Physical AI”

Zentrierte Headline + CTA-Hero-Struktur kombiniert mit App laden / Erweiterung installieren-CTA und Keine explizite Vertrauensleiste.

Conversion path: Zentrierte Headline + CTA + 3D-Render / Taktiles Objekt → App laden / Erweiterung installieren

  • Kategorie-Positionierungsanker

Palette · klicken zum Kopieren

5D-Design-Score7.8 / 10
Typografie
7.0
Farbe & Kontrast
8.0
Layout & Abstände
8.0
Detail & Feinschliff
8.0
Wiedererkennungswert
8.0

Struktur

Schriften
Arial / monospace
Hauptvisual
3D-Render / Taktiles Objekt
Social Proof
Keine explizite Vertrauensleiste
Navigation
Volle Kopfzeile
Thema & Dichte
Hell · Luftig
Ecken & Tiefe
Kleiner Radius · Mit Schatten
Vollständigen KI-Design-Brief anzeigen (inkl. :root CSS-Variablen & Layoutregeln)Nur Stil-Tokens; niemals Markennamen, Logos, Texte oder Bilder kopieren
# Design-Brief: 3D-Taktil (mit Minimalistisches Monochrom)

Gerenderte 3D-Objekte, weiche Studiobeleuchtung und greifbare Materialtiefe.

## Design-Tokens

```css
:root {
  --background: #ffffff;
  --surface: #f4f4f4;
  --foreground: #0a0a0a;
  --muted-foreground: #626262;
  --accent: #70c5d0;
  --radius: 4px;
  --font-heading: "Arial", ui-sans-serif, system-ui, sans-serif;
  --font-body: "Arial", ui-sans-serif, system-ui, sans-serif;
  --font-mono: "monospace", ui-monospace, monospace;
}
```

Farbflächenverhältnis: Hintergrund #FFFFFF (~79%) · Oberfläche #F4F4F4 (~6%) · Text #0A0A0A (~4%) · Gedämpfter Text #626262 (~3%) · Akzent #70C5D0 (~8%). Hintergrund und Oberfläche dominieren die Fläche; reservieren Sie die Akzentfarbe für primäre Buttons und aktive Zustände.

## Layout- & Conversion-Struktur

- Hero-Layout: Zentrierte Headline + CTA
- Navigation: Volle Kopfzeile
- Theme & Dichte: Hell · Luftig
- Eckenradius & Tiefe: Kleiner Radius; Ebenen durch dezente Schatten trennen
- Primäres visuelles Medium: 3D-Render / Taktiles Objekt
- Conversion-CTA: App laden / Erweiterung installieren
- Headline-Hook: Kategorie-Positionierungsanker
- Hinweise zum räumlichen Layout: Zentrierte Headline + CTA-Hero-Struktur kombiniert mit App laden / Erweiterung installieren-CTA und Keine explizite Vertrauensleiste.
- Visuelle Zusammenfassung: 3D-Taktil (Hell-Hintergrund, Dichte: Luftig) mit Zentrierte Headline + CTA-Layout und 3D-Render / Taktiles Objekt-Visuals.

## Vermeiden

- Flache, ungestylte Wireframes
- Überladene Textwände, die mit dem 3D-Fokuspunkt konkurrieren

Implementieren Sie die Oberfläche gemäß den obigen Design-Tokens und Layout-Vorgaben: Verwenden Sie ausschließlich diese Farbvariablen und reservieren Sie die Akzentfarbe strikt für primäre Aktionen und aktive Zustände. Übernehmen Sie nur diesen visuellen Stil — kopieren Sie niemals Markennamen, Logos, Texte oder Bilder von Referenzprodukten.

Fragen und Belege

Was kostet Rerun? (Preise & Tarife)
SDK: Free; Hub: Vertrieb kontaktieren. Beobachtet am 2026-11-03. Prüfe die Quelle für aktuelle Zahlungsbedingungen, Nutzungslimits und Steuern.Quelle
Wie viel Webtraffic erhält Rerun?
Vaneform schätzt 70.8K Websitebesuche für 2026-09. Wiederholte Besuche können enthalten sein. Zahlende Kunden und Umsatz benötigen eigene Belege.Quelle

Produkte in derselben Kategorie

KI-Modelle & Agenten / Trainingsdaten & Labeling

Diese Produkte gehören zur selben Kategorie. Vergleiche Anwendungsfälle, Funktionen und Bereitstellungsanforderungen, bevor du sie als Alternativen auswählst.

ProduktBesucheUmsatz
OutlierGigantBecome the expert thatAI learns from9.6MNicht offengelegt
Babel AudioGet paid to talk3.1MNicht offengelegt
AlignerrWhere experts get paid to train AI2.5MNicht offengelegt
AfterQueryWe teach machines how experts think.1.7MNicht offengelegt
MindriftGet paid to train AI867KNicht offengelegt
Pila8Get paid to have conversations674.3KNicht offengelegt