How2Sign 是一个面向连续美国手语的大规模多模态数据集。该数据集包含超过 80 小时的手语视频，以及相应的多模态信息（如：语音、英文翻译和深度）。 Panoptic 工作室进一步记录了三个小时的子集，从而实现了详细的 3D 姿势估计。