GQA Dataset

GQA（Grounded Question Answering）是斯坦福大学于2019年发布的大规模视觉问答数据集，包含超过2200万个多步推理问题。该数据集基于视觉场景图构建，强调组合式推理能力，旨在解决传统视觉问答数据集中存在的语言先验和缺乏复杂推理能力的问题。数据集为每张图像提供详细的场景图注释，支持对象识别、属性描述和关系推理等多种视觉推理任务。