标签
EgoXperience 提出一个统一框架，通过自动标注的大规模数据和单次前向传播模型，从第一人称视频中联合重建相机运动、场景几何、手部与物体，并发布了 EgoX-Data-6M 数据集与 EgoX-Bench 基准，取得显著优于基线的性能。
HOLI-WORLD 是一个集成生态系统，利用第一人称自我视角的录像自动化构建大规模学习资源，以提升机器对动态场景与交互的理解，并发布 HOLIWORLD-VL-4B 模型及 HOLIWORLD-Bench 评测基准。
LEGO 提出一种免提升（lifting-free）的方法，用 LVSM 风格的 Transformer 直接合成第一人称视角，替代传统的深度估计与点云重投影管线，并将结果作为条件输入视频扩散模型，在跨视角视频生成上超越现有 SOTA 且能跨数据集泛化。
该论文提出了 Ego2Act，一个包含 110 个真实世界任务、共 2,640 段第一人称视频的目标导向基准，用于评估视频生成模型能否模拟多步物理操作；同时提出 Ego2Act Judge，一个无需参考视频的评估流程，在与人类对任务完成度和物理合理性的判断对齐方面表现更佳。
APM-Bench 提出了一个针对第一视角流式视频助手跨会话持久记忆的基准，将真实世界交互重新建模为多会话人生轨迹（包含 549 个会话和 104 条轨迹），并评估现有记忆系统在效用–延迟–存储之间的权衡。
Gen-HumanEgo 是 GenrobotAI 发布的新机器人学习数据集，包含超过1,800小时的自我中心人类数据、超过10,000个独特任务以及同步的相机视图，包括3D手部关键点和结构化注释。
Eidon AI，一家已经倒闭的初创公司，开源了1,274小时的第一人称视角机器人数据，包含13,451条记录，并在CC-BY-4.0许可下免费提供给机器人社区。
本文介绍了EPIC-Contact，一个用于3D手部-物体姿态估计的野外数据集，以及HOPformer，一个Transformer模型，能够从单张RGB图像联合预测手部和物体姿态。
本文提出了一种使用单令牌分类和视觉基础监督的主动自我中心辅助方法，在ECCV 2026可穿戴人工智能挑战赛的大模型组中排名第一。
EgoArgus 是一个基准数据集，用于评估 VLMs 作为第一人称助手在对话-视频场景中的表现，揭示了在模态可信度和干预决策方面的挑战。
这是一个针对EgoSuite-Open100k数据集的开源数据目录查看器，基于Rerun构建，支持搜索、下载和交互式可视化自我中心视觉片段。
本文综述了智能眼镜作为统一的第一人称智能平台，提出了针对受限硬件和多样化应用的感知-状态-交互-行动循环系统框架及评估协议。
一个新的开源仓库精选了一份第一人称视觉数据集列表，更新以包括2023–2026年的最新版本，并添加了关于VLA论文的部分，同时移除了损坏的链接。
Ego-OSCAR 提出了一款开源、低成本的头戴式立体惯性捕捉设备，用于第一人称数据采集，并发布了硬件设计、软件以及约550小时带IMU数据的已标注立体视频。
EgoForce是一个单目3D手部重建框架，使用统一网络，包含可微分前臂表示、手臂-手部变换器和射线空间求解器，能够在不同相机模型下恢复绝对手部姿态和位置，在多个第一人称基准测试中达到了最先进的精度。