e-SNLI-VE 是一个带有自然语言解释（natural language explanations）的大规模视觉语言数据集，其中包含超过 43 万个实例，所有的解释都是基于图像内容的。该数据集是通过合并 e-SNLI 数据集的解释和 SNLI-VE 数据集的图像-句子对而建立的。