Ego-Exo4D 是一個多模態多視角視頻數據集和基準挑戰，以捕捉技能人類活動的自我中心和外部中心視頻為中心。它支持日常生活活動的多模態機器感知研究。該數據集由 839 位佩戴攝像頭的志願者在全球 13 個城市收集，捕捉了 1422 小時的技能人類活動視頻。該數據集提供了專家評論、參與者提供的教程樣式的敘述和一句話的原子動作描述等三種自然語言數據集，配對視頻使用。Ego-Exo4D 還捕獲了多視角和多種感知模態，包括多個視角、七個麥克風陣列、兩個 IMUs、一個氣壓計和一個磁強計。數據集記錄時嚴格遵守隱私和倫理政策，參與者的正式同意。欲瞭解更多信息，請訪問官方網站。