近年来，随着元宇宙、智能人机交互、服务机器人等赛道的快速落地，手部作为自然人机交互的核心输入载体，相关感知技术的商业化进程正在加速，但现有主流基于传统RGB相机的手部感知方案普遍存在动态范围不足、高速动作下易出现运动模糊等短板，而此前业内可用的单目事件相机数据集又普遍存在深度模糊、缺乏真实场景立体标注数据的痛点，成为制约手部感知技术迭代的核心瓶颈。2026年5月12日，浙江大学联合相关机构正式发布专为第一人称手部感知设计的大规模数据集EgoEVHands，该产品也是全球首个面向该场景的真实世界立体事件相机数据集，首发即登陆国际学术平台arXiv。
公开信息显示，EgoEVHands共包含5419个标注序列，覆盖38种通用手势类别，所有数据均来自同步立体事件流，同时配套提供高保真的2D/3D手部关键点标注与分割掩码，可满足不同层级算法训练的需求。为保障数据集的标注精度与适用场景广度，其构建过程采用自动化标注流程，结合红外图像关键点检测与分割技术，可有效降低多变光照、高速动作等复杂场景下的标注误差，数据可靠性大幅优于传统标注方案。
作为垂直场景的高质量标注数据集，EgoEVHands的落地将为多个前沿领域的技术迭代提供核心数据支撑：在增强/虚拟现实（AR/VR）场景中，基于该数据集训练的手势识别算法可有效解决弱光、快速动作下的手势识别精度问题，无需外接手柄即可实现高沉浸感的第一人称交互，可广泛应用于VR游戏、元宇宙社交、虚拟办公等场景；在人机交互领域，高精准的手部感知能力可落地于车载无接触手势控制、智能家居隔空操作、工业场景人机协同指令识别等场景，大幅降低交互门槛、提升操作安全性；在机器人领域，该数据集可支撑服务机器人、协作机器人的手部动作识别能力迭代，同时也可为康复医疗场景下的手部运动功能评估、康复训练辅助系统研发提供数据基础。
值得关注的是，当前高质量标注数据集已经成为人工智能技术落地的核心生产要素，垂直场景的专用数据集更是业内稀缺资源。本次EgoEVHands的发布，不仅针对性解决了传统RGB相机方案与单目事件方法的现有技术痛点，也填补了全球立体事件相机手部感知领域的大规模真实场景数据空白，对推动手部感知技术从实验室研发走向大规模商业化落地、加快数字交互相关产业的发展具有重要意义。
详情页内容：
_1769672084863.jpg)