传统的通信方式包括点对点通信，端到端通信等。点对点通信实现网内任意两个用户或者设备之间的信息交换，是两个系统或进程之间的专用通信链路，点对点技术的发展已较为成熟，在即时数据传输和音视频数据等方面得到了广泛的应用。而端到端通信建立在点到点通信的基础上，是经点到点通信更高一级的通信方式，完成应用程序（进程）之间的通信。用户的需求引导着产业的不断发展，单个设备的网络带宽和处理能力已经无法满足某些应用服务的高带宽高实时性的要求。传统的点对点端到端的网络连接方式对于提高用户体验方面存在一定的局限性，难以充分利用当前高速率、大带宽的异构网络。在这个背景下，多终端协同的概念逐渐出现在大众的视野，网络连接的方式也从传统的点对点端到端的通信，向多终端设备协同的方式发生转变。多终端协同是指多个终端设备在如今的大带宽网络环境下互相协同感知，在用户的至零下完成一系列较为复杂的操作，从而提升和丰富用户的体验。例如，近年来华为发布的鸿蒙OS系统以多终端协同为重点，将手机、笔记本电脑、耳机 <ref>[http://news.sohu.com/a/669779768_473898 耳机入手攻略，痛点与必备知识，Sony、Cleer、森海多款推荐总结] ，搜狐，2023-04-24</ref> 等智能设备互相连接，用户可以在一个终端控制多个终端设备协同运作，让用户体验智能化的服务。大型赛事直播，演唱会等对摄像机的机位视角对用户体验感要求较高，摄像机之间的协同互联可以给用户带来沉浸式的体验，丰富用户的需求。因此，多摄像头协同感知的视频会话具有很大的研究意义和价值。

当前视频会话领域，例如直播，视频通话等面临设备节点单一，不能应对当前对于多视角灵活视频的需求。视频通话中的人像出框，通话的一方不能实时观看到另一方的人像画面，导致通话质量下降；直播中的视角单一，导致只能选择固定位置进行直播，不能灵活调整，这些都是影响用户体验质量的关键问题。此外，在当前物联网 <ref>[http://news.sohu.com/a/528981274_554035 物联网未来发展趋势] ，搜狐，2022-03-11</ref> 设备大量进入我们生活中的大背景下，多设备的安全视频监控也存在监控视野有死角，不够灵活的问题。而多摄像头的协同感知工作可以将上述问题进行优化解决。