Ego4D هي مجموعة بيانات فيديو واسعة النطاق للشخص الأول. تحتوي مجموعة البيانات على أكثر من 3025 ساعة من الفيديو المسجل من 73 موقعًا مختلفًا في 9 دول، بإجمالي 855 شخصًا مسجلاً. تُعد Ego4D حاليًا أكبر مجموعة بيانات لمقاطع الفيديو الخاصة بالأنشطة اليومية للشخص الأول. وتتضمن بعض اللقطات أيضًا صوتًا وبيانات حول الأماكن التي ركزت عليها نظرات المشاركين، ووجهات نظر متعددة لنفس المشهد. تقدم مجموعة البيانات هذه أيضًا تحديات معيارية جديدة:

• الذاكرة العرضية: أين هو X الخاص بي؟
• التفاعل بين اليد والشيء: كيف تتغير الأشياء أثناء التفاعل؟
• مذكرات سمعية بصرية: من قال ماذا ومتى؟
• التفاعل الاجتماعي: من يتفاعل مع من؟
• التنبؤ: ماذا سيحدث بعد ذلك؟