これは、MS-COCO の画像説明に基づいて自動的に生成される、視覚的な質問と回答のデータ セットです。このデータセットは、画像質問応答などの問題を解決するために使用できます。

データセットには以下が含まれます。

• 123,287枚の画像
• 78,736 のトレーニング質問
• 38,948 のテスト問題
• 4 つの質問タイプ: 物体、数字、色、場所
• 答えはすべて一言で表される