OK-VQA 全称 Outside Knowledge Visual Question Answering，包括 14,000 多个需要外部知识才能回答的问题。

该数据集被用于解决基于知识的视觉问答任务。该数据集基于 VQA 数据集，原数据集中图像内容并不足以回答问题，新数据集鼓励依靠外部知识资源回答问题。