L'ensemble de données Watch-n-Patch se concentre sur la modélisation des activités humaines, couvrant une variété d'actions dans un environnement totalement non supervisé. Les données ont été collectées par un capteur Microsoft Kinect One, avec une durée totale d'environ 230 minutes et 458 vidéos. L'ensemble de données nécessite que 7 sujets effectuent des activités quotidiennes dans 8 bureaux et 5 cuisines avec des arrière-plans complexes. De plus, cet ensemble de données fournit également des données squelettiques sous forme d'annotations de vérité terrain.