Ego4d

收录理由

对于研究第一人称视觉的开发者来说，这个仓库是接触Ego4D与Ego-Exo4D数据集最直接的入口，这两个数据集是目前公开可用的最大规模自我中心视频集合。它本身不是可直接运行的模型，而是官方提供的数据接入工具链：包含两个数据集的命令行下载器、用于浏览视频片段和标注的可视化界面，以及特征提取工具，从获得授权到把数据转换成可用的张量，全程无需自己编写下载脚本。仓库内置的基准任务覆盖了情景记忆、手物交互、音视频说话人分离、社交互动和未来预测等多个方向，为构建可穿戴或辅助型AI模型提供了现成的评估目标。计划在自我中心视频上训练模型的团队，在启动大规模实验之前，最好先从这里熟悉标注格式和数据获取流程。