مجموعة بيانات VidSTG عبارة عن مجموعة بيانات تأريض فيديو مكانية زمنية تم إنشاؤها استنادًا إلى مجموعة بيانات VidOR. VidOR عبارة عن مجموعة بيانات علاقات الفيديو تحتوي على 7000 و835 و2165 مقطع فيديو للتدريب والتحقق والاختبار على التوالي. الهدف من مهمة تأريض الفيديو المكاني والزماني هو تحديد الأجزاء المكانية والزمانية من مقطع فيديو غير مقطوع يتطابق مع جملة معينة تصف هدفًا.