Der Datensatz „Composable Activities“ besteht aus 693 Videos mit 16 Aktivitätsarten, die von 14 Akteuren ausgeführt werden. Jede Aktivität besteht aus 3 bis 11 atomaren Aktionen. Die RGB-D-Daten jeder Sequenz wurden mit einem Microsoft Kinect-Sensor erfasst und die Positionen der relevanten Körpergelenke geschätzt.

Der Datensatz enthält Aktivitätsanmerkungen für jedes Video und die Bewegungen von vier menschlichen Körperteilen (linker/rechter Arm und Bein) für jedes Bild in jedem Video.