EmerNeRF 是计算机视觉领域的开源项目，由 NVlabs 开发，2023 年首次发布。
它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 642。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-16。基于PyTorch实现，需自行部署，完全免费。
它主要面向的使用场景是：自动驾驶场景的三维重建与仿真。同类可对比的替代方案包括 D-NeRF、K-Planes、HyperNeRF。
EmerNeRF
自监督分解动态场景，轻松重建三维世界
EmerNeRF 是一个基于 PyTorch 的神经辐射场（NeRF）实现，通过自监督学习将动态场景分解为静态背景、动态物体和不可见区域三个空间-时间分量。它解决了传统 NeRF 在动态场景中重建质量差、需要人工标注或额外监督的问题，核心能力包括：联合优化场景几何与外观、利用光流和场景流进行自监督分解、支持多视角视频输入、实时渲染新视角。该模型在 Waymo 等自动驾驶数据集上表现出色，能有效处理复杂交通场景中的运动物体和遮挡，为自动驾驶仿真、AR/VR 内容生成等提供高质量的三维重建方案。
开源
free
开源模型
GitHub 星标
★ 642
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队NVlabs
所属国家
定价模式free
价格说明开源项目，基于PyTorch实现，需自行部署，完全免费。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型autonomous-driving,driving,foundation-models,nerf
GitHub 星标★ 642
30天Star增速
HF 下载量
上线时间2023-10-11 00:00:00
最近更新2026-09-16 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 自监督分解静态与动态物体，无需人工标注，降低使用门槛
- 在 Waymo 等真实自动驾驶数据集上验证，场景重建质量高
- 支持多视角视频输入，可实时渲染新视角，实用性强
不足之处
- 依赖光流等预计算信息，预处理步骤增加使用复杂度
- 对大规模场景或长视频序列的训练资源需求较高
适用场景
- 自动驾驶场景的三维重建与仿真
- 动态视频的新视角合成与自由视点渲染
- AR/VR 中真实动态场景的数字化
替代项目
D-NeRF、K-Planes、HyperNeRF
项目介绍
上一篇：Uni3D
同类项目推荐
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
Olympus
开源
一个路由搞定所有视觉任务，免去逐个微调
[CVPR 2025 Highlight] Official code for "Olympus: A Universal Task Router for Comput···