Dieser Datensatz wurde speziell für Gestensteuerungssysteme von Smart-TVs erstellt und enthält etwa 500 unabhängig gesammelte kurze Videobeispiele. Jeder Videoclip dauert 2 bis 3 Sekunden und zeichnet den dynamischen Prozess von der ersten Gestenbewegung bis zur vollständigen Anzeige vollständig auf. Zu diesen Gesten zählen Daumen hoch, Daumen runter, Wischen nach links, Wischen nach rechts und Stopp. Sie dienen als separate Trainingsbeispiele für das Gestenerkennungsmodell. Die Proben wurden gemeinsam von Teilnehmern unterschiedlichen Alters (18–65 Jahre), Geschlechts und unterschiedlicher Hautfarbe ausgefüllt und deckten eine Vielzahl interaktiver Körperhaltungen wie Stehen und Sitzen ab, um die Unterschiede in den Bediengewohnheiten zu erfassen, die bei echten Benutzern auftreten können. Die ursprüngliche Videoauflösung beträgt 640 × 480 Pixel und simuliert die Bildeigenschaften gängiger Heimnetzwerkkameras, um die Konsistenz der Trainingsdaten mit realen Anwendungsszenarien sicherzustellen.