Ego4D 是一个大规模的第一视角视频数据集。该数据集包含超过 3,025 个小时的视频，由来自 9 个国家的 73 个不同地点录制的视频组成，总录制人数达 855 人。

Ego4D 是目前最大的第一视角日常活动视频数据集。一些镜头还包括音频、有关参与者注视焦点位置的数据以及同一场景的多个视角。

该数据集还提出了新的基准挑战：

• 情景记忆：我的 X 在哪里？
• 手与物体交互：物体在交互过程中如何变化？
• 视听日记：谁说了什么，什么时候说的？
• 社会交互：谁在与谁交互？
• 预测：接下来会发生什么？