Produtos
Benchmark IA
Desktop
Mobile
Visitas por mês
70.8K
Alta18.6%vs. mês anteriorset. de 2026
Receita divulgada
Não divulgado
Ainda sem prova de receita pública
Preço inicial
Grátis
Sem preço de assinatura mensal
Criadores
Emil Ernerfeldt
Sem conta social vinculada+3 criadores
Lançamento
há 3 a
2023-02-15 · Est.

Tráfego

Visitas por mêsDados até set. de 2026 · out. de 2026 pending
Eventos5 alterações · 1 ação de marketing

Ações de marketing

Lançamentos, busca e conteúdo, referências, promoções
  • Lançado em Show HN (4 pts)Lançamento

    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 de ago. · há 3 mPágina de lançamento

    Na época: 82K visitas/mêsVisitas: 2 meses seguintes -14%
  • Lançado em Show HN (5 pts)Lançamento

    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 de out. de 2025 · há 13 mPágina de lançamento

  • Lançado em Show HN (4 pts)Lançamento

    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 de set. de 2025 · há 14 mPágina de lançamento

  • Lançado em Show HN (2 pts · 1 comentários)Lançamento

    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 de mai. de 2025 · há 18 mPágina de lançamento

  • Lançado em Show HN (1 pts)Lançamento

    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 de mar. de 2025 · há 20 mPágina de lançamento

Avaliações de terceiros e casos

Análise de aquisição, avaliações técnicas e métricas OSS
Show HN
2024-12-20Fonte
Trecho do 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
2025-03-18Fonte
Trecho do 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
2025-03-25Fonte
Trecho do 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
2025-05-09Fonte
Trecho do 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
2025-09-30Fonte
Trecho do 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
2025-10-10Fonte
Trecho do 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 e Auto-hospedagem

GitHub · MCP / Skill
Último commit 2026-11-04
Estrelas no GitHub
★ 2,009
Forks
195
Licença
Apache-2.0 OR MIT
Linguagem principal
Python

Fontes de tráfego

set. de 2026

Composição de tráfego

Canais

  • Direto41%
  • Busca orgânica31%
  • Referências22%
  • Redes sociais5%
  • Outros2%

Países

  • Estados Unidos26%
  • Índia10%
  • Reino Unido6%
  • Vietnã5%
  • Coreia do Sul5%

Buscar

Autoridade de domínio —Domínio registrado 2017-10-27

Palavra-chaveVolume mensal
rerun9,280
rerun robotics440
rerun log350
ai 3d tracking rust egui project200
rerun python librayr uses110

Dados de tráfego: Vaneform

Preços

SDK
Free
Hub
Falar com vendas

Teste: Nenhum · Plano empresarial personalizado · Observed 2026-11-03 · Página de preços

Páginas e mudanças

Monitorado desde 2023-02-15

Páginas principais

Capturas semanais

Mudanças

  1. 1 de nov. · há 13 d

    Título principal da página inicial (H1) alterado para “The Data Layer for Physical AI”Posicionamento

    Rerun→The Data Layer for Physical AI

  2. 1 de nov. · há 13 d

    Tecnologia adotada: Apple iCloud MailRecursos

    —→Apple iCloud Mail

  3. 1 de nov. · há 13 d

    Tecnologia adotada: Tailwind CSSRecursos

    —→Tailwind CSS

  4. 1 de nov. · há 13 d

    Tecnologia adotada: Three.jsRecursos

    —→Three.js

  5. 1 de nov. · há 13 d

    Título inicial alterado para “Rerun | The Data Layer for Physical AI”Posicionamento

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

Design

Análise visual da primeira dobra e CSS :root

3D tátil (fundo claro, densidade arejado) com layout título centralizado + cta e visuais de render 3d / objeto tátil.

Prévia da tela · clique para ampliar

First-screen pitch & conversion flow

“The Data Layer for Physical AI”

Estrutura hero título centralizado + cta combinada com CTA de baixar app / instalar extensão e sem barra de confiança explícita.

Conversion path: Título centralizado + CTA + Render 3D / Objeto tátil → Baixar app / Instalar extensão

  • Âncora de posicionamento de categoria

Paleta · clique para copiar

Nota de design 5-D7.8 / 10
Tipografia
7.0
Cor e contraste
8.0
Layout e espaçamento
8.0
Detalhe e acabamento
8.0
Originalidade
8.0

Estrutura

Fontes
Arial / monospace
Visual principal
Render 3D / Objeto tátil
Prova social
Sem barra de confiança explícita
Navegação
Barra superior total
Tema e densidade
Claro · Arejado
Cantos e profundidade
Raio pequeno · Com sombra
Ver brief de design IA completo (inclui variáveis CSS :root e regras)Apenas tokens de estilo; nunca copie marcas, logos, textos ou imagens
# Brief de design: 3D tátil (com Monocromático Minimalista)

Objetos 3D renderizados, iluminação suave de estúdio e profundidade tátil de materiais.

## Tokens de Design

```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;
}
```

Proporção de área de cor: Fundo #FFFFFF (~79%) · Superfície #F4F4F4 (~6%) · Texto #0A0A0A (~4%) · Texto secundário #626262 (~3%) · Destaque #70C5D0 (~8%). O fundo e a superfície dominam a tela; reserve a cor de destaque para botões principais e estados ativos.

## Estrutura de Layout e Conversão

- Layout hero: Título centralizado + CTA
- Navegação: Barra superior total
- Tema e densidade: Claro · Arejado
- Raio da borda e elevação: Raio pequeno; usar sombras de elevação para separar camadas
- Meio visual principal: Render 3D / Objeto tátil
- CTA de conversão: Baixar app / Instalar extensão
- Gancho do título: Âncora de posicionamento de categoria
- Notas de layout espacial: Estrutura hero título centralizado + cta combinada com CTA de baixar app / instalar extensão e sem barra de confiança explícita.
- Resumo visual: 3D tátil (fundo claro, densidade arejado) com layout título centralizado + cta e visuais de render 3d / objeto tátil.

## Evitar

- Wireframes planos sem estilo
- Blocos densos de texto competindo com o ponto focal 3D

Implemente a interface seguindo os tokens de design e especificações acima: use apenas estas variáveis de cor e reserve a cor de destaque estritamente para ações principais e estados ativos. Adote apenas este estilo visual — nunca copie nome de marca, logotipo, textos ou imagens de produtos de referência.

Perguntas e dados

Quanto custa o Rerun? (Preços e planos)
SDK: Free; Hub: Falar com vendas. Observado em 2026-11-03. Consulte a fonte para conferir as condições de cobrança, os limites de uso e os impostos atuais.Fonte
Quanto tráfego o site de Rerun recebe?
A Vaneform estima 70.8K visitas em 2026-09. Elas podem incluir retornos; clientes pagantes e receita precisam de evidências próprias.Fonte

Produtos da mesma categoria

Modelos e Agentes de IA / Dados de Treinamento e Rotulagem

Esses produtos estão na mesma categoria. Compare as necessidades atendidas, os recursos e os requisitos de implantação antes de considerá-los alternativas.

ProdutoVisitasReceita
OutlierGiganteBecome the expert thatAI learns from9.6MNão divulgado
Babel AudioGet paid to talk3.1MNão divulgado
AlignerrWhere experts get paid to train AI2.5MNão divulgado
AfterQueryWe teach machines how experts think.1.7MNão divulgado
MindriftGet paid to train AI867KNão divulgado
Pila8Get paid to have conversations674.3KNão divulgado
Ver todos os produtos e referência de preços em “Dados de Treinamento e Rotulagem” →