VQA-E signifie Réponse visuelle aux questions avec explication. Il s'agit d'un ensemble de données de réponses visuelles aux questions avec explication. Le modèle impliqué doit prédire et générer des explications de réponse. Il est fait par Ensemble de données VQA v2Dérivée automatiquement, une analyse textuelle est synthétisée pour chaque « triade image-question-réponse », rendant le processus de question-réponse plus facile à comprendre et à retracer.