Human3.6M est l'un des plus grands ensembles de données de capture de mouvement, comprenant 3,6 millions de poses humaines 3D et les images correspondantes. L'ensemble de données contient des données vidéo capturées par 4 caméras à balayage progressif haute résolution à une fréquence de 50 Hz.

L'ensemble de données implique les activités de 11 acteurs professionnels dans 17 scènes : discuter, fumer, prendre des photos, passer des appels téléphoniques, etc., et fournit des positions articulaires 3D précises et des vidéos haute résolution.