随着AR、VR等设备的广泛应用,第一人称的应用开始增多。但在研发方面面临不同的挑战,例如，图像模糊、视觉混乱、遮挡更严重等，给视觉模型的训练带来重大挑战。 一方面,人工标注真实第一视角数据集，来培训深度学习模型的成本和难度都很高。另一方面,以往用于第三人称视角的虚拟渲染数据，无法很好地模拟第一视角下的真实人体运动与环境交互过程。 为了解决这些难题，微软和苏黎世联邦理工学院的研究人员推出了Ego