OK-VQA signifie Outside Knowledge Visual Question Answering et comprend plus de 14 000 questions qui nécessitent des connaissances externes pour y répondre.

Cet ensemble de données est utilisé pour résoudre la tâche de réponse aux questions visuelles basée sur les connaissances. Cet ensemble de données est basé sur Ensemble de données VQA, le contenu de l'image dans l'ensemble de données d'origine n'est pas suffisant pour répondre aux questions, et le nouvel ensemble de données encourage à répondre aux questions en s'appuyant sur des ressources de connaissances externes.