VCR (Visual Commonsense Reasoning)

VCR的全称是视觉常识推理，是视觉常识推理的大规模数据集。这个数据集提出了关于图像的具有挑战性的问题，机器需要完成两个子任务: 正确回答问题和提供理由证明其答案。 VCR数据集包含大量问题，212K用于训练，26K用于验证，25K用于测试。答案和理由来自超过110K个独特的电影场景。