OK-VQA steht für Outside Knowledge Visual Question Answering und umfasst mehr als 14.000 Fragen, für deren Beantwortung externes Wissen erforderlich ist. Dieser Datensatz wird zur Lösung der wissensbasierten visuellen Frage- und Antwortaufgabe verwendet. Dieser Datensatz basiert auf VQA-Datensatz, der Bildinhalt im ursprünglichen Datensatz reicht nicht aus, um Fragen zu beantworten, und der neue Datensatz fördert die Beantwortung von Fragen durch die Nutzung externer Wissensressourcen.