EgoXperience提出第一人称视频全栈范式

2026年10月19日，Hugging Face Daily Papers 报道了 EgoXperience，其提出一套从数据采集、自动标注到统一建模与评测的完整范式，用于从第一人称视频中联合重建相机、场景、手与物体。该范式的自动标注引擎 EgoX-Engine 结合几何验证的物体跟踪与基于 SLAM 的世界对齐，产出 50 小时的 EgoX-Data-6M 数据集，并从中选取 1 小时构建 EgoX-Bench。报道未提及该工作的后续进展或与其他工作的对比。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。