01 / VIEWPOINT
目标追踪12 秒 · 静音
跟随视角，追踪一个工具。
在第一人称视角变化中，显示所选工具的区域与轨迹。
EGOCENTRIC VIDEO MEMORY让每一次看见，
让每一次看见，
都能被找回。
点击一个物体，追问它的位置与经历。
让视频、语音和可回放的证据，一起构成记忆。
预录模块示例 · 可回看论文完成后将在此提供入口
A MEMORY, IN MOTION01 / TOOL
预录模块示例
✳
FROM AN OBJECT TO A MEMORY选中它，沿着证据找回故事。
↗可见区域 ≠ 已确认的物理身份VISUAL + AUDIO
01点到哪个，就围绕哪个
用交互选择确定目标指代
02问题可以连续追问
保留会话状态与可修订记忆
03答案能够回到现场
视频和逐句语音证据可回放
A QUESTION WORTH REMEMBERING我们看过很多画面，
我们看过很多画面，
却很难再次找到那个瞬间。
“那个工具最后在哪里？”“刚才那段谈话说了什么？”EgoLens 将第一人称视频中的物体、事件和谈话，连接成可以追问的记忆。
全局概述负责寻找线索，局部画面负责核对事实。用户的点击、问题与目标状态共同决定接下来该看哪里；回答中的来源则让结论可以被检查。
了解它如何工作 ↗ASK. RECALL. RETURN TO THE SOURCE.
RECORDED EXPERIENCE REPLAY不止追踪，还能追问与回看。
从实际运行记录回看多轮对话、反馈召回和语音来源。点击轮次与证据按钮即可探索，当前展示为静态历史回放。
正在载入历史回放…
来源片段
真实历史记录
用户问题历史回答
更多：点击追踪模块片段3 CLIPS ＋
02 / MOVEMENT
局部移动10 秒 · 静音
从一件餐具，关注一次移动。
从选中的餐具出发，回看同一片段里的移动。
03 / TWO OBJECTS
独立目标13 秒 · 静音
相似的外观，独立的编号。
用不同颜色和编号，分别展示两个选中目标。
素材来源与演示边界 ＋
视频来源：EgoLife 官方数据集；EgoLens 添加追踪可视化。分别节选 DAY4_A1_JAKE_12253000 的0–12秒、DAY2_A1_JAKE_17163000 的2–12秒、DAY3_A1_JAKE_12000000 的0–13秒。数据集卡声明 MIT；代码与第三方依赖各遵循其许可。
问答回放来自已完成的真实运行记录；视频为原始证据的网页节选。多轮对话使用DAY5床品与DAY6手机片段，反馈召回使用DAY2电脑接触前0–8秒，语音来源为DAY4连续录像649.834–659.310秒。展示中的历史回答或摘录均不产生新的模型推理。
LOOK GLOBALLY. VERIFY LOCALLY.
从一个问题，到一段证据。
概述是导航。画面和语音，才是回答的依据。
明确“它”是谁
SAM2 接收点选和框选，产生带版本的目标轨迹；分割有误时可以补点纠正。
全局找，局部看
Qwen2.5-VL理解视频，混合检索寻找相关片段，证据不足时触发有界补看。
回答，并保留来源
结合时间对齐的语音与视觉证据组织答案，支持多轮追问和来源回放。
BUILD ON IT
项目说明、代码与论文。
发布运行主线与环境说明。模型权重、GPU、私有视频及 API 凭据由使用者自行配置。
COME BACK TO THE EVIDENCE把你的问题，
观看预录片段 ↗把你的问题，
交还给视频。
从目标轨迹出发，了解可以回到来源的视频记忆。