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

访问官网 ↗ GitHub ↗ 文档 ↗

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

官网地址https://emernerf.github.io

GitHubhttps://github.com/NVlabs/EmerNeRF

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

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。

上一篇：Uni3D

下一篇：tokenize-anything