EgoX 单目视频联合重建：手部误差降 65.6%，深度误差降 42.9%

EgoXperience预印本提出单目视频联合重建方法EgoX，并发布EgoXBench，在统一公制坐标系中联合推断相机运动、深度、手部和物体运动。模型以DINOv3 ViT-L/16编码第一视角RGB视频；在EgoXBench上，手部重建误差较最强基线降低65.6%，深度误差降低42.9%，推理仍需首帧物体掩码。