MovieFIB (Movie Fill-in-the-Blank)

问答已成为一项流行的任务，具有许多实际应用（例如对话系统）。它非常容易解释和定量评估，并且通过简单的设置，生成适用于深度学习的非常大的数据集相对容易。大规模数据集的视觉 QA（图像和自然语言问题）的进步推动了该领域的快速发展，我们希望通过这个挑战数据集将这一进展扩展到视频。