مجموعة بيانات Visual Genome عبارة عن مجموعة بيانات رؤية آلية تحتوي على 108,077 صورة، و5.4 مليون وصف منطقة، و1.7 مليون بيانات سؤال وجواب مرئية، و3.8 مليون حالة مستهدفة، و2.8 مليون سمة، و2.3 مليون معلومة علاقة. تم إكمال مجموعة البيانات هذه بشكل مشترك من قبل جامعة ستانفورد، وياهو، وتويوتا، وغيرها، وهي ملتزمة بالربط الوثيق بين معلومات الصورة مع اللغة.