一人称ハンド アクション ベンチマーク データセットは、RGB-D ビデオ シーケンスで構成されます。データセットには、3D ジェスチャで注釈が付けられた 100,000 を超える RGB-D フレームが含まれており、さまざまな手の構成と時間的ダイナミクスをカバーする 45 の日常の手動作カテゴリと 26 の異なるオブジェクトが含まれています。