OK-VQA تعني الإجابة على الأسئلة المرئية باستخدام المعرفة الخارجية، وتتضمن أكثر من 14000 سؤال تتطلب معرفة خارجية للإجابة عليها. يتم استخدام مجموعة البيانات هذه لحل مهمة الإجابة على الأسئلة المرئية القائمة على المعرفة. تعتمد هذه المجموعة من البيانات على مجموعة بيانات VQAإن محتوى الصورة في مجموعة البيانات الأصلية غير كافٍ للإجابة على الأسئلة، وتشجع مجموعة البيانات الجديدة على الإجابة على الأسئلة بالاعتماد على مصادر المعرفة الخارجية.