Rerun
The Data Layer for Physical AI
rerun.io 원문 출처★ 2,009Apache-2.0 OR MIT DiscordAI 모델 및 에이전트 / 학습 데이터 및 라벨링
- 월간 방문 수
- 70.8K
- 상승18.6%전월 대비2026년 9월
- 공개 매출
- 비공개
- 아직 공개 수익 증빙이 없습니다
- 시작 요금
- 무료
- 월간 구독 요금 없음
- 출시일
- 3년 전
- 2023-02-15 · 추정
트래픽
마케팅 활동
출시, 검색·콘텐츠, 추천, 프로모션- 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 좋아요 · 0 리포스트 · 219 조회
Show HN (4점)에서 출시출시
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…
8월 18일 · 3개월 전출시 페이지
당시: 월 방문 82K월간 방문: 이후 2개월 -14%Show HN (5점)에서 출시출시
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…
2025년 10월 10일 · 13개월 전출시 페이지
Show HN (4점)에서 출시출시
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…
2025년 9월 30일 · 14개월 전출시 페이지
Show HN (2점 · 댓글 1)에서 출시출시
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…
2025년 5월 9일 · 18개월 전출시 페이지
Show HN (1점)에서 출시출시
Camera Calibration Using VGGT — Continuing with my robot training collection pipeline, one of the challenges has been obtaining calibrated cameras from sparse multi-view…
2025년 3월 25일 · 20개월 전출시 페이지
제3자 리뷰 및 사례 분석
유입 채널 분석, 엔지니어 리뷰 및 오픈소스 지표- 메이커 원문 발췌:
- 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
- 메이커 원문 발췌:
- 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
- 메이커 원문 발췌:
- 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
- 메이커 원문 발췌:
- 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
- 메이커 원문 발췌:
- 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
- 메이커 원문 발췌:
- 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
오픈소스 및 자체 호스팅
- GitHub 스타
- ★ 2,009
- 포크 수 (Forks)
- 195
- 오픈소스 라이선스
- Apache-2.0 OR MIT
- 주요 언어
- Python
유입 경로
트래픽 구성
채널
- 직접 방문41%
- 자연 검색31%
- 외부 추천22%
- 소셜 미디어5%
- 기타2%
국가/지역
- 미국26%
- 인도10%
- 영국6%
- 베트남5%
- 대한민국5%
검색
사이트 권위도 (DR) —도메인 등록 2017-10-27
| 키워드 | 월간 검색량 |
|---|---|
| rerun | 9,280 |
| rerun robotics | 440 |
| rerun log | 350 |
| ai 3d tracking rust egui project | 200 |
| rerun python librayr uses | 110 |
트래픽 데이터: Vaneform
가격
무료 체험: 없음 · 기업 맞춤 플랜 · Observed 2026-11-03 · 원본 요금 페이지
페이지 및 변경 내역
주요 페이지
주간 스냅샷- 홈rerun.io/
- 가격rerun.io/pricing 스냅샷 2026-11-03
- 기능rerun.io/product 스냅샷 2026-11-03
변경
디자인
3D 택타일(라이트 배경 · 여백 많음 밀도): 중앙 헤드라인 + CTA 버튼 레이아웃과 3D 렌더링 / 입체 오브젝트 비주얼.
히어로 미리보기 · 클릭하여 확대
First-screen pitch & conversion flow
“The Data Layer for Physical AI”
중앙 헤드라인 + CTA 버튼 히어로 구조에 앱 다운로드 / 확장 설치 CTA와 별도 신뢰 배지 없음 요소를 결합한 구성.
Conversion path: 중앙 헤드라인 + CTA 버튼 + 3D 렌더링 / 입체 오브젝트 → 앱 다운로드 / 확장 설치
- 카테고리 포지셔닝 앵커
팔레트 · 클릭하여 복사
- 타이포그래피
- 7.0
- 색상 및 대비
- 8.0
- 레이아웃 및 여백
- 8.0
- 디테일 및 완성도
- 8.0
- 스타일 독창성
- 8.0
시장 구조
- 폰트
- Arial / monospace
- 히어로 레이아웃
- 중앙 헤드라인 + CTA 버튼
- 메인 비주얼
- 3D 렌더링 / 입체 오브젝트
- 전환 액션(CTA)
- 앱 다운로드 / 확장 설치
- 신뢰 배지 / 사회적 증거
- 별도 신뢰 배지 없음
- 내비게이션
- 전체 폭 상단 바
- 테마 및 밀도
- 라이트 · 여백 많음
- 모서리 및 깊이감
- 작은 라운드 · 그림자 있음
AI 디자인 브리프 전문 미리보기 (:root CSS 변수 및 레이아웃 규칙 포함)스타일 토큰만 추출하며 브랜드명, 로고, 카피, 이미지는 복제하지 않습니다
# 디자인 브리프: 3D 택타일 (미니멀 모노크롬 겸비)
렌더링된 3D 오브젝트, 부드러운 스튜디오 조명, 촉각적인 재질의 깊이감.
## 디자인 토큰
```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;
}
```
색상 면적 비율: 배경 #FFFFFF (~79%) · 패널/표면 #F4F4F4 (~6%) · 본문 텍스트 #0A0A0A (~4%) · 보조 텍스트 #626262 (~3%) · 강조색 #70C5D0 (~8%). 배경과 표면이 캔버스의 대부분을 차지하며, 강조색은 주요 버튼과 활성 상태에만 사용합니다.
## 레이아웃 및 전환 구조
- 히어로 레이아웃: 중앙 헤드라인 + CTA 버튼
- 내비게이션: 전체 폭 상단 바
- 테마 및 밀도: 라이트 · 여백 많음
- 모서리 둥글기 및 입체감: 작은 라운드; 입체 그림자(Elevation Shadow)로 레이어 계층 구분
- 주요 비주얼 매체: 3D 렌더링 / 입체 오브젝트
- 전환 CTA: 앱 다운로드 / 확장 설치
- 헤드라인 훅: 카테고리 포지셔닝 앵커
- 공간 레이아웃 노트: 중앙 헤드라인 + CTA 버튼 히어로 구조에 앱 다운로드 / 확장 설치 CTA와 별도 신뢰 배지 없음 요소를 결합한 구성.
- 비주얼 요약: 3D 택타일(라이트 배경 · 여백 많음 밀도): 중앙 헤드라인 + CTA 버튼 레이아웃과 3D 렌더링 / 입체 오브젝트 비주얼.
## 피해야 할 요소
- 스타일이 없는 평면 와이어프레임
- 3D 포컬 포인트와 시선을 다투는 빽빽한 텍스트 벽
위 디자인 토큰과 레이아웃 사양에 따라 UI를 구현하세요. 색상은 지정된 CSS 변수만 사용하고 강조색(accent)은 주요 버튼과 활성 상태에만 제한적으로 사용합니다. 시각적 스타일만 채택하며 참고 제품의 브랜드명, 로고, 카피, 이미지는 복제하지 마세요.
주요 질문과 근거
같은 분야의 관련 제품
같은 카테고리에 등록된 제품입니다. 대안으로 고려하기 전에 사용 목적, 기능, 도입 조건을 비교해 보세요.
| 제품 | 시작 요금 | 월간 방문 | 매출 |
|---|---|---|---|
| Outlier거대Become the expert thatAI learns from | — | 9.6M | 비공개 |
| Babel AudioGet paid to talk | — | 3.1M | 비공개 |
| AlignerrWhere experts get paid to train AI | — | 2.5M | 비공개 |
| AfterQueryWe teach machines how experts think. | — | 1.7M | 비공개 |
| MindriftGet paid to train AI | — | 867K | 비공개 |
| Pila8Get paid to have conversations | — | 674.3K | 비공개 |