Der Referlt3D-Datensatz eignet sich für 3D-visuelle Erdung und 3D-dichte Untertitelungsaufgaben und umfasst zwei umfangreiche visuell-linguistische Ergänzungsdatensätze:

1. Sr3D-Datensatz: enthält 83,5.000 vorlagenbasierte Sätze, die räumliche Beziehungen zwischen feinkörnigen Objektklassen verwenden, um in der Szene referenzierte Objekte zu lokalisieren;
2. Nr3D-Datensatz: Enthält 41,5.000 natürlich vorkommende, informelle Sätze, die durch das Spielen eines 2-Spieler-Spiels in einer 3D-Szene gesammelt wurden.