VOID steht für Visual Odometry with Inertial and Depth. Der Datensatz umfasst insgesamt 56 Videosequenzen, von denen 48 Sequenzen (ca. 47.000 Frames) Trainingssätze und die anderen 8 Sequenzen Testsätze sind.

Der Datensatz deckt verschiedene Außen- und Innenszenen ab, darunter Klassenzimmer, Büros, Treppenhäuser, Labore, Gärten usw. Jede Sequenz enthält spärliche Tiefenkarten mit drei Dichtestufen (1500 Punkte, 500 Punkte und 150 Punkte), die VGA-Größen von 0,5%, 0,15% und 0,05% entsprechen.