第三视角视频

相机放在执行者身体之外、从旁观角度拍摄人或机器人的视频。

与第一人称视频（相机戴在执行者头上或胸前）相对，第三视角视频的相机在执行者身体之外，比如三脚架上的相机、监控摄像头或旁人手持拍摄。网上的教学视频、体育转播大多属于这一类，数量远多于第一人称视频。它能看清全身姿态以及人和环境的整体关系，但手部细节常被身体或物体挡住，视角也和机器人自身相机看到的不同。具身智能里常用它做人体动作估计，再重定向给人形机器人模仿，或从中学任务流程；机器人数据采集中固定在桌边的第三视角相机拍的也是这类画面。Ego-Exo4D 等数据集同时录两种视角，专门研究它们之间的对应。

例子用 GVHMR 从一段第三视角的单目视频中估计人体动作，再经 GMR 重定向成人形机器人的关节轨迹。

也叫

第三人称视频、外视角视频、Third-person Video

相关

第一人称视频、第三视角相机、Ego-Exo4D 数据集、互联网视频数据、人体姿态估计、动作重定向

来源

Ego-Exo4D: Understanding Skilled Human Activity from First- and Third-Person Perspectives (arXiv)
Ego-Exo4D 官网