Productos
Evaluación IA
Escritorio
Móvil
Visitas al mes
70.8K
Sube18.6%vs. mes anteriorsept 2026
Ingresos publicados
No divulgado
Aún sin evidencia de ingresos públicos
Precio de entrada
Gratis
Sin precio de suscripción mensual
Creadores
Emil Ernerfeldt
Sin cuenta social vinculada+3 creadores más
Lanzamiento
hace 3 a
2023-02-15 · Est.

Tráfico

Visitas al mesDatos hasta sept 2026 · oct 2026 pending
Eventos5 cambios · 1 acción de marketing

Acciones de marketing

Lanzamientos, búsqueda y contenido, referencias, promos
  • Lanzado en Show HN (4 pts)Lanzamiento

    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 ago · hace 3 mPágina de lanzamiento

    En ese momento: 82K visitas/mesVisitas: 2 meses siguientes -14%
  • Lanzado en Show HN (5 pts)Lanzamiento

    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 oct 2025 · hace 13 mPágina de lanzamiento

  • Lanzado en Show HN (4 pts)Lanzamiento

    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 · hace 14 mPágina de lanzamiento

  • Lanzado en Show HN (2 pts · 1 comentarios)Lanzamiento

    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 may 2025 · hace 18 mPágina de lanzamiento

  • Lanzado en Show HN (1 pts)Lanzamiento

    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 mar 2025 · hace 20 mPágina de lanzamiento

Reseñas de terceros y casos

Desglose de adquisición, reseñas técnicas y métricas OSS
Show HN
2024-12-20Fuente
Extracto del post:
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
2025-03-18Fuente
Extracto del post:
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
2025-03-25Fuente
Extracto del post:
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
2025-05-09Fuente
Extracto del post:
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
2025-09-30Fuente
Extracto del post:
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
2025-10-10Fuente
Extracto del post:
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 y Autoalojamiento

GitHub · MCP / Skill
Último commit 2026-11-04
Estrellas en GitHub
★ 2,009
Forks
195
Licencia
Apache-2.0 OR MIT
Lenguaje principal
Python

Fuentes de tráfico

sept 2026

Desglose de tráfico

Canales

  • Directo41%
  • Búsqueda orgánica31%
  • Referencias22%
  • Redes sociales5%
  • Otros2%

Países

  • Estados Unidos26%
  • India10%
  • Reino Unido6%
  • Vietnam5%
  • Corea del Sur5%

Buscar

Autoridad de dominio —Dominio registrado 2017-10-27

Palabra claveVolumen mensual
rerun9,280
rerun robotics440
rerun log350
ai 3d tracking rust egui project200
rerun python librayr uses110

Datos de tráfico: Vaneform

Precios

SDK
Free
Hub
Contactar ventas

Prueba: Ninguno · Plan empresarial a medida · Observed 2026-11-03 · Página de precios

Páginas y cambios

Rastreado desde 2023-02-15

Páginas clave

Capturas semanales

Cambios

  1. 1 nov · hace 13 d

    Titular principal de inicio (H1) cambiado a “The Data Layer for Physical AI”Posicionamiento

    Rerun→The Data Layer for Physical AI

  2. 1 nov · hace 13 d

    Tecnología adoptada: Apple iCloud MailFunciones

    —→Apple iCloud Mail

  3. 1 nov · hace 13 d

    Tecnología adoptada: Tailwind CSSFunciones

    —→Tailwind CSS

  4. 1 nov · hace 13 d

    Tecnología adoptada: Three.jsFunciones

    —→Three.js

  5. 1 nov · hace 13 d

    Título de inicio cambiado a “Rerun | The Data Layer for Physical AI”Posicionamiento

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

Diseño

Análisis visual de primera pantalla y CSS :root

3D táctil (lienzo claro, densidad espacioso) con diseño título centrado + cta y visuales de render 3d / objeto táctil.

Vista previa · clic para ampliar

First-screen pitch & conversion flow

“The Data Layer for Physical AI”

Estructura hero título centrado + cta combinada con CTA de descargar app / instalar extensión y sin barra de confianza explícita.

Conversion path: Título centrado + CTA + Render 3D / Objeto táctil → Descargar app / Instalar extensión

  • Ancla de posicionamiento de categoría

Paleta · clic para copiar

Puntaje de diseño 5-D7.8 / 10
Tipografía
7.0
Color y contraste
8.0
Diseño y espaciado
8.0
Detalle y acabado
8.0
Distinción
8.0

Estructura

Fuentes
Arial / monospace
Diseño del hero
Título centrado + CTA
Visual principal
Render 3D / Objeto táctil
Prueba social
Sin barra de confianza explícita
Navegación
Barra superior completa
Tema y densidad
Claro · Espacioso
Bordes y profundidad
Radio pequeño · Con sombra
Ver brief de diseño IA completo (incluye variables CSS :root y reglas)Solo tokens de estilo; nunca copies marcas, logos, textos ni imágenes
# Brief de diseño: 3D táctil (con Monocromo minimalista)

Objetos 3D renderizados, iluminación suave de estudio y profundidad de materiales táctiles.

## Tokens de Diseño

```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;
}
```

Proporción de área de color: Fondo #FFFFFF (~79%) · Superficie #F4F4F4 (~6%) · Texto #0A0A0A (~4%) · Texto secundario #626262 (~3%) · Acento #70C5D0 (~8%). El fondo y la superficie dominan el lienzo; reserva el color de acento para los botones principales y estados activos.

## Estructura de Diseño y Conversión

- Diseño hero: Título centrado + CTA
- Navegación: Barra superior completa
- Tema y densidad: Claro · Espacioso
- Radio de borde y elevación: Radio pequeño; usar sombras de elevación para separar capas
- Medio visual principal: Render 3D / Objeto táctil
- CTA de conversión: Descargar app / Instalar extensión
- Gancho del titular: Ancla de posicionamiento de categoría
- Notas de distribución espacial: Estructura hero título centrado + cta combinada con CTA de descargar app / instalar extensión y sin barra de confianza explícita.
- Resumen visual: 3D táctil (lienzo claro, densidad espacioso) con diseño título centrado + cta y visuales de render 3d / objeto táctil.

## Evitar

- Wireframes planos sin estilo
- Muros de texto recargados que compiten con el punto focal 3D

Implementa la interfaz siguiendo los tokens de diseño y especificaciones anteriores: usa solo estas variables de color y reserva el color de acento estrictamente para acciones principales y estados activos. Adopta únicamente este estilo visual; nunca copies el nombre de marca, logotipo, textos o imágenes de ningún producto de referencia.

Preguntas y datos

¿Cuánto cuesta Rerun? (Precios y planes)
SDK: Free; Hub: Contactar ventas. Observado el 2026-11-03. Consulta la fuente para conocer las condiciones de cobro, los límites de uso y los impuestos vigentes.Fuente
¿Cuánto tráfico web recibe Rerun?
Vaneform estima 70.8K visitas en 2026-09. Incluyen visitas repetidas; los clientes de pago y los ingresos requieren datos propios.Fuente

Productos de la misma categoría

Modelos y Agentes de IA / Datos de Entrenamiento y Etiquetado

Estos productos comparten categoría. Compara las necesidades que cubren, sus funciones y los requisitos de instalación antes de elegirlos como alternativas.

ProductoVisitasIngresos
OutlierGiganteBecome the expert thatAI learns from9.6MNo divulgado
Babel AudioGet paid to talk3.1MNo divulgado
AlignerrWhere experts get paid to train AI2.5MNo divulgado
AfterQueryWe teach machines how experts think.1.7MNo divulgado
MindriftGet paid to train AI867KNo divulgado
Pila8Get paid to have conversations674.3KNo divulgado
Ver todos los productos y precios de referencia en “Datos de Entrenamiento y Etiquetado” →