CIRR signifie Compose Image Retrieval on Real-life images et contient plus de 36 000 paires d'images collaboratives, à domaine ouvert et de textes modifiés générés manuellement. Cet ensemble de données vise à faciliter les recherches futures sur le raisonnement subtil sur les concepts linguistiques visuels et la récupération itérative avec des dialogues, en comblant les lacunes des ensembles de données existants en mettant davantage l'accent sur la distinction d'images visuellement similaires en domaine ouvert.