Watch-n-Patch 数据集的重点是对人类活动进行建模，涵盖在完全无监督的情况下的多种动作。数据由微软 Kinect One 传感器收集，总时长约为 230 分钟，包含 458 段视频。该数据集要求 7 名受试者在 8 个办公室和 5 个具有复杂背景的厨房中进行日常活动。此外，该数据集还提供了骨架数据作为 ground truth 标注。