以自我为中心的3D人体姿态估计可应用于XR技术以及运动和健康运动分析等领域。最近的EgoGlass方法使用基于眼镜的设置，将两个摄像头连接到眼镜架上，以减少对用户活动的限制。但是，缺乏可以解释这种新的高级捕获设置的数据集。

因此，arXiv.org最近的一篇论文提出了UnrealEgo，这是一个用于以自我为中心的3D人体姿态估计的新的大规模自然主义和合成数据集。虚幻引擎用于综合设计附在逼真的3D人体模型上的眼镜，以在各种3D环境中捕捉野外立体视图。

此外，研究人员提出了一种新的基准方法，可以在UnrealEgo上实现最先进的准确性。该数据集允许对现有和即将推出的以自我为中心的3D视觉方法进行更全面的评估。

我们提出了UnrealEgo，即一个新的大规模自然数据集，用于以自我为中心的3D人体姿态估计。UnrealEgo基于配备两个鱼眼摄像头的眼镜的先进概念，可在不受限制的环境中使用。我们设计了他们的虚拟原型并将它们附加到3D人体模型上以进行立体视图捕获。接下来，我们生成大量人体动作。因此，在现有的以自我为中心的数据集中，UnrealEgo是第一个提供具有最大运动种类的野外立体图像的数据集。此外，我们提出了一种新的基准方法，其简单但有效的想法是为立体输入设计2D关键点估计模块以改进3D人体姿态估计。广泛的实验表明，我们的方法在定性和定量上都优于以前最先进的方法。