NYU Depth V2 ist ein Datensatz, der aus verschiedenen Videosequenzen von Innenaufnahmen besteht und hauptsächlich für die Bildbeschreibungsforschung verwendet wird. Die Bilder werden von der Microsoft Kinect-Kamera aufgezeichnet.

Der Datensatz enthält 1449 dicht beschriftete, ausgerichtete RGB- und Tiefenbilder, 464 neue Szenen, die in 3 Städten aufgenommen wurden, und 407024 unbeschriftete Frames mit einer Klasse und Instanznummer für jedes Objekt.

Der NYU Depth V2-Datensatz wurde 2012 von der New York University veröffentlicht. Die Hauptherausgeber sind Silberman, Kohli, Hoiem und Fergus. Das zugehörige Dokument trägt den Titel „Indoor Segmentation and Support Inference from RGBD Images“.