EgoXperience：从人类第一视角视频学习世界锚定的自我中心表征

EgoXperience 提出一套从第一视角视频联合重建相机运动、场景几何、手与物体的统一框架，配套自动标注引擎 EgoX-Engine 和 50 小时的 EgoX-Data-6M 数据集。基于该数据训练的 EgoX 模型单次前向即可在统一世界坐标系下完成度量重建，相比最强基线将相机、手部和深度误差分别降低 68.9%、65.6% 和 42.9%，物体位姿分数提升 28.0%。