两只眼睛看两只手：ESTHER 把自我视角的双目手部重建做成端到端模型

头戴双目相机本来就长在机器人、AR 和 VR 设备上，但从这个信号里还原出带米制尺度的手，一直既没有端到端模型也没有真实场景基准。ESTHER 补了这两样，还顺手发现了一个尺寸与深度绑定效应。