Rerun
The Data Layer for Physical AI
rerun.io 出典★ 2,009Apache-2.0 OR MIT DiscordAIモデル・エージェント / 学習データ・アノテーション
- 月間訪問数
- 70.8K
- 上昇18.6%前月比2026年9月
- 公開された売上
- 非公開
- 公開収益の証明はまだありません
- 最低料金
- 無料
- 月額サブスク価格なし
- 公開日
- 3年前
- 2023-02-15 · 推定
訪問
マーケティング動向
公開・検索＆コンテンツ・参照・プロモーション- 3/4 Time-series plots now show all visible series in one tooltip. Raw data-point markers can stay visible. Cursor-relative ranges keep following playback after zooming or panning.
@rerundotio · 2026-09-22 · 1 いいね · 0 リポスト · 219 表示
Show HN (4 ポイント) でリリース公開
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…
8月18日 · 3ヶ月前ローンチページ
当時：月間訪問 82K月間訪問：後 2 か月 -14%Show HN (5 ポイント) でリリース公開
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…
2025年10月10日 · 13ヶ月前ローンチページ
Show HN (4 ポイント) でリリース公開
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…
2025年9月30日 · 14ヶ月前ローンチページ
Show HN (2 ポイント · 1 コメント) でリリース公開
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…
2025年5月9日 · 18ヶ月前ローンチページ
Show HN (1 ポイント) でリリース公開
Camera Calibration Using VGGT — Continuing with my robot training collection pipeline, one of the challenges has been obtaining calibrated cameras from sparse multi-view…
2025年3月25日 · 20ヶ月前ローンチページ
第三者レビュー＆事例分析
集客チャネル分析・エンジニア評価・OSS指標- 開発者投稿の抜粋：
- 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
- 開発者投稿の抜粋：
- 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
- 開発者投稿の抜粋：
- 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
- 開発者投稿の抜粋：
- 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
- 開発者投稿の抜粋：
- 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
- 開発者投稿の抜粋：
- 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
OSS＆セルフホスト
- GitHubスター数
- ★ 2,009
- フォーク数 (Forks)
- 195
- ライセンス
- Apache-2.0 OR MIT
- 主要言語
- Python
流入元
訪問構成
チャネル
- ダイレクト41%
- 自然検索31%
- 外部参照22%
- SNS5%
- その他2%
国・地域
- アメリカ合衆国26%
- インド10%
- イギリス6%
- ベトナム5%
- 韓国5%
検索
ドメイン評価 (DR) —ドメイン登録 2017-10-27
| キーワード | 月間検索数 |
|---|---|
| rerun | 9,280 |
| rerun robotics | 440 |
| rerun log | 350 |
| ai 3d tracking rust egui project | 200 |
| rerun python librayr uses | 110 |
トラフィックデータ：Vaneform
料金
無料トライアル：なし · 法人向けカスタムプランあり · Observed 2026-11-03 · 元の料金ページ
ページ＆変更履歴
主要ページ
週次スナップショット- トップrerun.io/
- 料金rerun.io/pricing スナップショット 2026-11-03
- 機能rerun.io/product スナップショット 2026-11-03
変更
デザイン
3Dタクタイル（ライト背景・余白多め密度）：中央見出し＋CTAボタンレイアウトと3Dレンダー・立体オブジェクトビジュアル。
ファーストビュー · クリックで拡大
First-screen pitch & conversion flow
“The Data Layer for Physical AI”
中央見出し＋CTAボタンのファーストビュー構造に、アプリDL / 拡張機能追加のCTAと明示的な実績表示なしを組み合わせた設計。
Conversion path: 中央見出し＋CTAボタン + 3Dレンダー・立体オブジェクト → アプリDL / 拡張機能追加
- カテゴリ定義・王道アンカー
パレット · クリックでコピー
- フォント＆タイポグラフィ
- 7.0
- 配色＆コントラスト
- 8.0
- レイアウト＆余白
- 8.0
- ディテール＆完成度
- 8.0
- 独自性・スタイル識別度
- 8.0
市場構造
- フォント
- Arial / monospace
- ファーストビュー構成
- 中央見出し＋CTAボタン
- メインビジュアル
- 3Dレンダー・立体オブジェクト
- コンバージョンCTA
- アプリDL / 拡張機能追加
- 社会的証明・実績
- 明示的な実績表示なし
- ナビゲーション
- 全幅トップバー
- 明暗＆情報密度
- ライト · 余白多め
- 角丸＆階層表現
- 小角丸 · シャドウあり
AIデザイン仕様全文をプレビュー（:root CSS変数＆レイアウト規則を含む）スタイルトークンのみ抽出。ブランド名・ロゴ・文言・画像の模倣は禁止
# デザインブリーフ：3Dタクタイル（ミニマル・モノクローム 併用）
レンダリングされた3Dオブジェクト、柔らかなスタジオライティング、触れられそうな素材の奥行き。
## デザイントークン
```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;
}
```
配色面積比：背景 #FFFFFF (~79%) · サーフェス #F4F4F4 (~6%) · 本文 #0A0A0A (~4%) · 補助テキスト #626262 (~3%) · アクセント #70C5D0 (~8%)。背景とサーフェスがキャンバスの大部分を占め、アクセントカラーは主要ボタンとアクティブ状態に限定します。
## レイアウト＆コンバージョン構造
- ヒーローレイアウト：中央見出し＋CTAボタン
- ナビゲーション構造：全幅トップバー
- テーマと密度：ライト · 余白多め
- 角丸とエレベーション：小角丸；エレベーションシャドウでレイヤー階層を分離
- 主なビジュアル媒体：3Dレンダー・立体オブジェクト
- コンバージョン CTA：アプリDL / 拡張機能追加
- 見出しフック：カテゴリ定義・王道アンカー
- 空間レイアウトの要点：中央見出し＋CTAボタンのファーストビュー構造に、アプリDL / 拡張機能追加のCTAと明示的な実績表示なしを組み合わせた設計。
- ビジュアル要約：3Dタクタイル（ライト背景・余白多め密度）：中央見出し＋CTAボタンレイアウトと3Dレンダー・立体オブジェクトビジュアル。
## 避けるべき表現
- フラットでスタイル未適用のワイヤーフレーム
- 3Dのフォーカルポイントと競合する雑然とした長文テキスト
上記のデザイントークンとレイアウト仕様に従ってUIを実装してください。カラーはこれらのCSS変数のみを使用し、アクセントカラーは主要CTAとアクティブ状態に限定します。視覚スタイルのみを取り入れ、参考製品のブランド名・ロゴ・文言・画像は一切複製しないでください。
よくある質問と根拠データ
同じカテゴリのプロダクト
同じカテゴリに登録されているプロダクトです。代替として使えるかは、解決する課題、機能、導入条件を比べて判断してください。
| プロダクト | 最低料金 | 月間訪問 | 売上 |
|---|---|---|---|
| Outlier巨大Become the expert thatAI learns from | — | 9.6M | 非公開 |
| Babel AudioGet paid to talk | — | 3.1M | 非公開 |
| AlignerrWhere experts get paid to train AI | — | 2.5M | 非公開 |
| AfterQueryWe teach machines how experts think. | — | 1.7M | 非公開 |
| MindriftGet paid to train AI | — | 867K | 非公開 |
| Pila8Get paid to have conversations | — | 674.3K | 非公開 |