Composable activities dataset 由 693 个视频组成，这些视频包含了由 14 个演员表演的 16 类活动。每个活动由 3 到 11 个原子动作 (atomic actions) 组成。每个序列的 RGB-D 数据是用 Microsoft Kinect 传感器采集的，并估计了相关身体关节的位置。

该数据集提供了每个视频的活动标注以及每个视频中每一帧的四个人体部位（左/右臂和腿）的动作。