VCR-Datensatz Zum Visuellen Gesunden Menschenverstand

VCR steht für Visual Commonsense Reasoning und ist ein umfangreicher Datensatz für visuelles, gesundes Menschenverstand-Reasoning. Der Datensatz stellt anspruchsvolle Fragen zu Bildern und die Maschine muss zwei Teilaufgaben erfüllen: die Frage richtig beantworten und Gründe für die Rechtfertigung ihrer Antwort angeben.

Der VCR-Datensatz enthält eine große Anzahl von Fragen, darunter 212.000 für das Training, 26.000 für die Validierung und 25.000 für Tests. Antworten und Gründe stammen aus über 110.000 einzigartigen Filmszenen.