Moments in Time est un ensemble de données de moments dynamiques à grande échelle permettant d'identifier et de comprendre les actions dans les vidéos. L'ensemble de données contient 1 million de vidéos annotées. Chaque vidéo dure 3 secondes.

Les sujets de l'action incluent des personnes, des animaux, des objets et même des phénomènes naturels, capturant l'action en fonction de la scène dynamique du moment. L'ensemble de données présente de grandes différences intra-classes et inter-classes, et certaines actions reposent partiellement ou totalement sur des informations sonores, comme les applaudissements.