تضيف ActivityNet-Entities 158 ألف تعليق توضيحي لصندوق الحدود استنادًا إلى مجموعة بيانات ActivityNet Captions. كل علامة هي عبارة عن اسم. يمكن استخدام هذه البيانات لتدريب نماذج وصف الفيديو. تُظهر مجموعة البيانات فعالية النموذج في إنشاء أوصاف استنادًا إلى مقاطع الفيديو، وتُظهر أيضًا كيفية تطبيق أوصاف الصور على مجموعة بيانات Flickr30k.