EgoExoMoCap: Distributed Ego-Exo Human Motion Capture

1. 一句话总结 提出一种基于头显设备的分布式第一人称（Ego）与第三人称（Exo）人体动作捕捉统一框架，实现真实场景中佩戴者自身与周围他人动作的协同估计。

2. 核心创新点 首次打破现有Ego与Exo动作捕捉孤立研究的范式，通过分布式架构共享头显传感器数据，解决单视角遮挡与多目标尺度对齐难题。该设计显著提升了复杂多人交互场景下的动作重建精度、实时性与系统可扩展性。

3. 潜在应用场景 个人可参与层面：①开发工具：基于开源代码开发轻量级VR/AR动捕SDK或Unity/Unreal插件，降低独立开发者内容创作门槛；②教育/适老化：结合低成本摄像头/IMU搭建家庭级动作评估系统，用于康复训练指导或老年人跌倒风险监测；③传感器/IoT：利用手机+头显组网构建分布式感知节点，实现智能家居中的多人无感手势/体态交互控制。

4. 在AI知识体系中的位置 属于**计算机视觉（CV）与具身智能（Embodied AI）**交叉的3D人体姿态估计/动作捕捉方向。与多视角几何、传感器融合、世界模型（构建多人交互物理场景）紧密相关，是生成高保真真实世界交互数据、驱动具身智能体学习的关键基础设施。相较于知识库中仅聚焦头显自身视角跟踪[1][3]或稀疏传感器方案[2]的工作，本文向“多主体协同感知”迈进了一步。

5. 推荐指数 ★★★★☆（4星） 理由：新颖性高（首创Ego-Exo分布式融合范式，直击单视角局限）；实用性强（精准匹配XR产业与具身AI对真实交互数据的迫切需求）；前瞻性好（为真实世界多人协作建模与物理交互仿真提供数据底座）；个人可参与度中高（开源后支持基于消费级头显/手机进行二次开发与数据集构建，但需具备3D视觉基础与多传感器标定能力）。

注：分析中对比演进脉络参考了知识库文献[1][2][3]。

来源：https://arxiv.org/abs/2607.15868v1