EgoDexter 数据集为 4 个测试视频序列的 3,190 帧提供了 2D 和 3D 姿态标注。这些视频是用体感相机从自我视角拍摄的，包含杂乱的背景、快速的相机运动以及与各种物体的复杂互动。在 3,190 帧中，有 1,485 帧的指尖位置是人工标注的。