Leviidev/Henge

외부 오픈소스 저장소를 소개하는 글입니다. HDATF 제품이 아닙니다.

무엇을 하나

Henge는 iPhone이나 iPad에서 macOS를 실행하려는 사용자를 위한 에뮬레이터입니다. Apple 복원 이미지와 가상 Mac의 디스크 상태를 받아 기기 화면에 macOS 데스크톱을 제공합니다. iOS 앱은 하드웨어 가상화 기능에 접근할 수 없어 자체 JIT 실행 엔진으로 arm64 명령을 변환합니다. 가상 GPU는 macOS의 그래픽 명령을 받아 Metal로 재현합니다. 터치를 트랙패드로 쓰며 키보드와 마우스 입력, 공유 폴더와 클립보드 기능도 설명합니다. 지원 Apple 기기와 iOS 또는 iPadOS 17 이상, JIT 사용 환경과 충분한 저장 공간이 필요하고 Apple 소프트웨어는 별도로 내려받습니다. README는 실기기 시험이 지금까지 iPhone 17 Pro에 한정되었으며 실제 iPad 시험은 아직 하지 않았다고 밝힙니다. Apple Account 로그인 실패와 앱별 그래픽 호환성 제한이 있으며 실제 Mac보다 느립니다.

라이선스

GPL-2.0 표준이 아닌 자체 라이선스입니다. 재사용 전에 라이선스 파일을 직접 읽어야 합니다.

같은 분야 저장소

• sostenesfreitas/ocarina-recomp
  Ocarina Recomp는 사용자가 제공한 게임 파일로 Ocarina of Time을 Windows용 네이티브 프로그램으로 만드는 실험 프로젝트입니다. 임의의 콘솔 소프트웨어를 실행하는 범용 도구가 아니라 이 게임을 조사하는 플레이어와 기여자를 대상으로 합니다. 지원하는 게임 버전의 사용자 보유 사본을 입력으로 받아 로컬 실행 파일과 생성 코드를 만듭니다. 생성기는 ARM64 명령을 C로 바꾸고, 콘솔 시스템 기능을 제공하는 실행 환경과 함께 컴파일합니다. 그래픽 경로는 NVN 2 호출을 Vulkan으로 바꾸고 셰이더를 SPIR-V로 번역합니다. 문서상 시작 환경은 64비트 Windows 10 또는 11, AVX2 지원 CPU, mesh shader를 지원하는 Vulkan 1.3 GPU이며 준비 과정에 인터넷 연결이 필요합니다. 저장소는 게임, 키, 바로 플레이할 수 있는 게임 실행 파일을 포함하지 않는다고 밝히고, 게임에서 생성된 파일의 공유를 금지합니다. 관리자는 PC 한 대에서 시작 지역만 시험했다고 보고하며 게임 대부분과 AMD 및 Intel GPU는 미검증 상태로 남깁니다. 일부 아키텍처 문서는 기반이 된 Tears of the Kingdom 프로젝트 설명을 유지하므로 추가 Ocarina 버전이나 하드웨어 지원의 근거로 삼을 수 없습니다.
• sb-ai-lab/Whydra
  연구자와 데이터 분석자가 표 형태 관측 자료에서 변수 관계의 그래프 후보를 찾도록 돕는 Python 라이브러리입니다. 대화형 모델이나 완성된 분석 화면이 아니라 코드에서 호출하는 인과 구조 탐색 도구입니다. 표본을 행, 변수를 열로 둔 배열을 입력해 관계 그래프와 간선 정보를 얻습니다. PC-stable, FCI 계열과 RAI 등을 제공하며 연속형과 이산형 자료에 맞는 독립성 검정을 선택합니다. 조건부 독립성 검정의 병렬 처리, 검정 결과 캐시를 쓰는 변형과 배경 지식 반영 기능을 안내합니다. Python 3.10 이상이 필요하고 그래프 이미지를 저장하려면 Graphviz도 별도로 설치해야 합니다. 예제는 알고리즘 객체에 설정과 데이터를 전달하는 방식이며 기본 사용에 외부 모델 API를 요구하지 않습니다. 벤치마크 데이터는 저장소에 포함되지 않아 따로 준비해야 합니다. 관측 자료에서 얻은 그래프를 실제 원인의 확정으로 볼 수 없으며 자료 유형과 알고리즘 가정에 맞는 검증이 필요합니다.
• davidakpele/wifi-densepose
  이 저장소는 카메라 영상 대신 WiFi 채널 상태 정보인 CSI로 사람 자세를 추정하려는 시스템의 틀을 제공합니다. CSI는 무선 통신 경로의 변화를 담는 정보이며 카메라 없는 감지를 연구하는 개발자가 대상입니다. 설계상 CSI 표본을 받아 진폭과 위상을 처리하고 모델 입력 특징으로 바꾼 뒤 자세 결과를 API와 실시간 전송으로 제공합니다. 소스에는 PyTorch 모델 구성 요소, 서비스 관리, 하드웨어와 자세의 모의 실행 설정이 있습니다. 그러나 서비스가 실제 CSI를 수집하는 메서드는 표본을 반환하지 않는 미구현 상태입니다. 학습된 자세 가중치를 읽는 부분은 주석 처리되어 있고 자세 생성과 행동 분류 일부도 합성 결과를 만듭니다. README는 패키지 설치와 장비 설정을 설명하지만 그것만으로 감지 시스템이 작동한다고 볼 수 없습니다. 실제 사용에는 검증된 CSI 수집 경로, 학습 가중치, 공간별 보정과 실측 검증이 필요하므로 벽 너머 추적이나 홍보된 정확도와 속도를 확인된 기능으로 받아들일 수 없습니다.
• mille-okws/pestinha
  Pestinha는 컴퓨터 사용과 손길에 반응하는 캐릭터를 원하는 사람을 위한 로컬 데스크톱 가상 반려동물입니다. Bryan과 Jorge는 같은 신경망 설계를 쓰지만 성격과 콘텐츠와 기억은 따로 보관합니다. 마우스 동작, 사용 중인 프로그램 이름, 입력이 없는 시간, 창의 위치와 크기를 받아 표정과 이동과 놀이로 보여 줍니다. 자극이 쌓이면 모의 뉴런이 신호를 내는 스파이킹 신경망과 개발자가 정한 규칙이 함께 행동 경향을 결정합니다. 보상과 상황의 연관 학습, 반복 자극에 둔감해지는 습관화로 일부 반응이 달라지며 학습 상태는 클라우드 계정 대신 로컬에 저장합니다. Python 3.11 이상과 PySide6, 운영체제별 인터페이스를 사용하며 Windows와 macOS와 Linux X11을 대상으로 하고 모델 서비스 API는 요구하지 않습니다. 시작 경로는 Python 의존성을 준비해 데스크톱 진입점을 열고 초기 안내의 접근 권한을 확인하는 방식입니다. 창의 내용이나 제목은 읽지 않으며 작성자는 macOS와 Linux를 실제 기기에서 시험하지 않았고 Wayland에는 추가 제약이 있다고 밝힙니다.
• RikiyaT/lm_understand-logs
  이 저장소는 언어 모델이 신경망 가중치를 읽거나 쓰는 실험을 살펴보려는 독자를 위한 연구 기록 모음이며 바로 쓰는 편집 서비스는 아닙니다. 여덟 실험 폴더는 학습된 신경망 식별, 신경망 수정과 생성, 작은 언어 모델의 수학 성능을 위한 가중치 편집을 다룹니다. 기록된 입력은 프롬프트와 과제 설명과 신경망 정보이며 출력은 답변과 코드와 실행 결과와 평가와 최종 신경망 또는 가중치 차이입니다. 실험별 README가 발표 결과를 해당 실행과 근거 파일에 연결합니다. Codex 내장 도구는 꺼 두었지만 일부 실험은 별도 Python 실행 후 출력을 모델에 돌려주는 구조이므로 도구를 쓰지 않았다는 표현이 실험 전체에 계산이 없었다는 뜻은 아닙니다. 포함된 격리 실행 예시는 Linux bubblewrap으로 네트워크와 자원을 제한하며 전체 재현에는 해당 모델 접근과 데이터와 평가 환경이 추가로 필요합니다. 실험 README부터 프롬프트와 실행 기록과 평가 자료를 따라 읽는 것으로 시작할 수 있으며 자료 열람 자체에는 모델 API 호출이 필요하지 않습니다. 이전 프롬프트 시행과 일부 가중치와 중간 자료가 빠져 있고 수학 실험의 전체 에이전트 실행기도 포함하지 않으며 기록과 스크립트와 제삼자 자료의 이용 조건을 구분해야 합니다.

Trendshift 순위 목록에 오른 저장소만 담았고, 목록은 후보를 찾는 데만 썼습니다. 순위 숫자는 옮기지 않았습니다. 설명과 라이선스, 별 수는 각 GitHub 저장소에서 확인했습니다. 해설은 우리의 판단입니다. 이 프로젝트들을 직접 시험한 것은 아니며, 상승 목록에 올랐다고 품질이 증명되지는 않습니다.