CIRR steht für Compose Image Retrieval on Real-life images und enthält mehr als 36.000 Paare von Crowdsourcing-Bildern aus Open Domains und manuell generiertem, geändertem Text. Dieser Datensatz soll die zukünftige Forschung zum subtilen Denken über visuelle linguistische Konzepte und zum iterativen Abrufen mit Dialogen erleichtern. Dabei werden die Mängel vorhandener Datensätze behoben, indem ein größerer Schwerpunkt auf die Unterscheidung visuell ähnlicher Bilder in offenen Domänen gelegt wird.