VQA-E تعني الإجابة المرئية على الأسئلة مع التوضيح. إنها مجموعة بيانات للإجابة على الأسئلة المرئية مع التوضيح. يجب أن يكون النموذج المعني قادرًا على التنبؤ وتوليد تفسيرات للإجابات. يتم تصنيعها بواسطة مجموعة بيانات VQA v2يتم استخلاص تحليل نصي تلقائيًا لكل "ثلاثية صورة-سؤال-إجابة"، مما يجعل عملية الإجابة على السؤال أسهل للفهم والتتبع.