NeRF

NeRF

在 Streamlit 页面里演示 Keras 版 NeRF，也就是能从图片学习三维场景的神经辐射场模型，适合计算机视觉学习者和三维图形爱好者。

由 keras-io 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：NeRF 是 Keras 团队 keras-io 组织的一个 Streamlit 应用。从名字看，它演示的是神经辐射场，也就是让网络从图片中学出三维场景的一种办法。仓库里除了应用文件和依赖包清单，还有一个存放模型代码的 nerf 文件夹。

适合谁：它适合想看 NeRF 实际运行的计算机视觉学习者和三维图形爱好者，也适合想读一个紧凑 Keras 示例的开发者。记录没有给出使用说明或输出细节，所以页面就是指南。

行业 | 使用者 | 使用方式 | 例子
教育 | 计算机视觉的学生 | 看神经辐射场会生成什么 | 打开 Space，按页面上的控件操作
图形 | 图形爱好者 | 了解网络如何存下一个场景 | 看看应用显示的视图
软件 | Python 开发者 | 阅读 NeRF 的 Keras 代码 | 把 nerf 文件夹和 app.py 对照着浏览

如果你需要用自己的照片建三维模型，可以跳过它，因为记录没有说这个应用接受上传。

用在哪里：

• 网页浏览器，在 Hugging Face 上的 Space 页面里
• 装有 Python 的 Windows、macOS 或 Linux，用下载的副本运行

用例 | 适合谁 | 得到什么
试用 NeRF 演示 | 学习者 | 训练好的模型生成的视图
研究代码 | 开发者 | 一个带 Keras 模型代码的 nerf 文件夹

如何设置：

• 如果用在线 Space，什么都不用装
• 只有运行副本时才需要在电脑上装 Python
• requirements.txt 里列出的依赖包

1. 在浏览器里打开 Space 页面，无需安装就能使用。
2. 想运行副本，先安装 Hugging Face Hub 包，再下载这个 Space。
3. 进入新文件夹，然后安装 Streamlit 和清单里的依赖。
4. 用 Streamlit 启动应用。

pip install -U huggingface_hub
hf download keras-io/NeRF --repo-type space --local-dir NeRF
cd NeRF
pip install streamlit
pip install -r requirements.txt
streamlit run app.py

如何使用：在线使用时，打开 Space，用页面上的控件操作。在自己的电脑上，则在 Space 文件夹里用 Streamlit 运行主文件，再使用它提供的页面。记录没有列出这些控件，请看页面。

streamlit run app.py

示例：你打开 Space，用它的控件查看 NeRF 模型为一个场景生成了什么。记录里没有示例，所以控件和场景要看页面。

新手与专家：NeRF 学的是同一个场景从许多视角看过去，光线和颜色是什么样，所以它能画出从没见过的视角。先打开 Space，试一试控件，看看出现什么。

如果你熟悉这个领域，NeRF 是一个小型网络，把三维位置和视线方向映射成颜色和密度，再由体渲染变成图像。记录没有给出训练数据、设置或质量数据。

你在页面上设置一个视角
应用沿相机光线查询 NeRF 网络
体渲染把结果合起来
页面显示渲染出的视图

注意事项：

• License: afl-3，Space 上就是这样标注的
• Cost to run: 未提及
• Data it reaches: 只有页面接受的输入，以及仓库里的代码
• Not for: 记录没有列出排除项，也没有给出质量或速度数据

Hugging Face 上的数据（2026年11月13日）

• 点赞：25
• 构建方式：streamlit
• 许可证：afl-3.0

链接

• Space：https://huggingface.co/spaces/keras-io/NeRF
• 文件：https://huggingface.co/spaces/keras-io/NeRF/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。