How2Sign は、連続的なアメリカ手話の大規模なマルチモーダル データセットです。このデータセットには、80 時間以上の手話ビデオと、対応するマルチモーダル情報 (音声、英語翻訳、奥行きなど) が含まれています。 Panoptic Studio はさらに 3 時間のサブセットを記録し、詳細な 3D 姿勢推定を可能にしました。