تم إنشاء مجموعة البيانات هذه خصيصًا لأنظمة التحكم بالإيماءات الخاصة بالتلفزيون الذكي وتحتوي على حوالي 500 عينة فيديو قصيرة تم جمعها بشكل مستقل. يستمر كل مقطع فيديو لمدة تتراوح من ثانيتين إلى ثلاث ثوانٍ، ويسجل بالكامل العملية الديناميكية من الحركة الأولية للإيماءة إلى العرض الكامل. تتضمن هذه الإيماءات الإبهام لأعلى، والإبهام لأسفل، والتمرير لليسار، والتمرير لليمين، والتوقف، وتعمل كعينات تدريبية منفصلة لنموذج التعرف على الإيماءات. تم إكمال العينات بشكل تعاوني من قبل المشاركين من مختلف الأعمار (18-65 سنة)، والجنسين، وألوان البشرة، وتغطي مجموعة متنوعة من المواقف التفاعلية مثل الوقوف والجلوس، من أجل التقاط الاختلافات في عادات التشغيل التي قد تحدث بين المستخدمين الحقيقيين. تبلغ دقة الفيديو الأصلية 640×480 بكسل، مما يحاكي خصائص التصوير الخاصة بكاميرات الشبكة المنزلية السائدة لضمان اتساق بيانات التدريب مع سيناريوهات التطبيق الحقيقية.