ATD-12K est un ensemble de données de triplets d'animation à grande échelle contenant 12 000 triplets richement annotés. L'ensemble d'entraînement contient 10 000 triplets d'images d'animation et l'ensemble de test contient 2 000 triplets. L'ensemble de données contient 101 extraits de dessins animés de 30 séries de films produits par divers producteurs, d'une durée totale de plus de 25 heures. Les vidéos capturées ont une haute résolution de 1920×1080 ou 1280×720.

De plus, afin d'évaluer la méthode d'interpolation vidéo sous plusieurs aspects, l'ensemble de tests contient des annotations riches, notamment le niveau de difficulté, les régions d'intérêt du mouvement et les étiquettes des catégories de mouvement.