HO は Hand and Object Poses の略で、注釈付きの手とオブジェクトのインタラクション 3D 画像データ セットです。データセットには、66,034 個のトレーニング画像 (55 シーケンスから) と 11,524 個のテスト画像 (13 シーケンスから) が含まれています。シーケンスはマルチカメラ カメラとシングルカメラ カメラによって収集され、YCB データセットからの 10 人の被験者と 10 人のオブジェクトが含まれていました。注釈は、最適化アルゴリズムを通じて自動的に生成されます。テストセットのジェスチャ注釈は保持されます。テスト セットのアルゴリズムの精度は、CodaLab チャレンジの標準指標を使用して評価できます (プロジェクト ページを参照)。テスト セットとトレーニング セットのオブジェクト ポーズの注釈は公開されています。

このデータセットは、単一の RGB 画像手法に基づいてオブジェクトが著しく遮られている場合に手のポーズを予測するアルゴリズムを開発するために使用でき、データセットに含まれていないオブジェクトの手のポーズの画像予測に一般化できます。