VOID signifie Odométrie Visuelle avec Inertie et Profondeur. L'ensemble de données comprend un total de 56 séquences vidéo, dont 48 séquences (environ 47 000 images) sont des ensembles d'entraînement et les 8 autres séquences sont des ensembles de test.

L'ensemble de données couvre diverses scènes extérieures et intérieures, notamment des salles de classe, des bureaux, des cages d'escalier, des laboratoires, des jardins, etc. Chaque séquence contient des cartes de profondeur clairsemées impliquant trois niveaux de densité (1500 points, 500 points et 150 points), qui correspondent à des tailles VGA de 0,5%, 0,15% et 0,05%.