Egocentric-10K 数据集

Egocentric-10K进阶

Build AI 开源的万小时工厂工人第一人称视频数据集。

美国创业公司 Build AI 于 2025 年在 Hugging Face 开源的第一人称视频数据集，Apache 2.0 许可。工人戴单目头戴相机在 85 个真实工厂里干活时录制，共约 1 万小时、19.29 万段视频、10.8 亿帧，1080p、30 帧/秒，并附鱼眼相机内参。它强调画面里手部可见、正在操作的镜头占比高，定位是给机器人学习用的数据，而不是做一般的视频理解。数据不带动作标签，通常用于人类视频预训练或潜在动作预训练：先从大量人手操作中学视觉表征和动作先验，再用少量机器人数据微调。据其官网，此后还发布了 Egocentric-100K、Egocentric-1M 等更大版本。