https://github.com/zhanxinrui/HDN
https://aimotive.com/aisim-neural-reconstruction-and-rendering
https://jaehoon-daddy.tistory.com/122
https://arxiv.org/abs/2311.15260
https://github.com/georghess/neurad-studio
https://research.zenseact.com/publications/neurad/
https://zhuanlan.zhihu.com/p/693957014
https://www.sciencedirect.com/science/article/pii/S092523122500325X
https://kilthub.cmu.edu/articles/thesis/Towards_City-Scale_Neural_Rendering/26381236?file=47954062
https://arxiv.org/abs/2307.14981
https://github.com/flycloud2010/READ-
https://paperswithcode.com/sota/novel-view-synthesis-on-kitti
https://www.computer.org/csdl/journal/tp/5555/01/10891659/24pHKCXbFEk
https://github.com/DeepLabc/AutoDrive_NeRF
https://arxiv.org/abs/2402.02112
https://github.com/fudan-zvg/S-NeRF
https://fudan-zvg.github.io/S-NeRF/
https://www.youtube.com/embed/nWF9ZCnHIQM
https://www.themoonlight.io/zh/review/s-nerf-autonomous-driving-simulation-via-neural-reconstruction-and-generation
https://waymo.com/research/block-nerf/
https://arxiv.org/abs/2202.05263v1

# 自动驾驶 # 人工智能 # 机器学习
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局