e-SNLI-VE ist ein umfangreicher visuell-linguistischer Datensatz mit Erklärungen in natürlicher Sprache, der mehr als 430.000 Instanzen enthält, die alle anhand von Bildinhalten erklärt werden. Dieser Datensatz wird durch Zusammenführen der Erklärungen aus dem e-SNLI-Datensatz und der Bild-Satz-Paare aus dem SNLI-VE-Datensatz erstellt.

Zitat

@InProceedings{Kayser_2021_ICCV,
author    = {Kayser, Maxime and Camburu, Oana-Maria and Salewski, Leonard and Emde, Cornelius and Do, Virginie and Akata, Zeynep and Lukasiewicz, Thomas},
title     = {E-ViL: A Dataset and Benchmark for Natural Language Explanations in Vision-Language Tasks},
booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
month     = {October},
year      = {2021},
pages     = {1244-1254}
}