HO signifie Hand and Object Poses, qui est un ensemble de données d'images 3D d'interactions main-objet avec des annotations. L'ensemble de données contient 66 034 images d'entraînement (provenant de 55 séquences) et 11 524 images de test (provenant de 13 séquences). Les séquences ont été capturées à la fois par plusieurs caméras et par une seule caméra et contiennent 10 sujets et 10 objets de l'ensemble de données YCB. Les annotations sont générées automatiquement à l'aide d'un algorithme d'optimisation. Les annotations gestuelles de l'ensemble de tests sont conservées. La précision des algorithmes de l'ensemble de tests peut être évaluée à l'aide de mesures standard du défi CodaLab (voir la page du projet). Les annotations de pose d'objet pour les ensembles de test et d'entraînement sont accessibles au public.

L'ensemble de données peut être utilisé pour développer des algorithmes permettant de prédire la pose de la main lorsque les objets sont gravement occultés sur la base d'une seule approche d'image RVB, et peut être généralisé à la prédiction d'image de pose de la main pour les objets non inclus dans l'ensemble de données.