VQA-E は、Visual Question Answering with Explain の正式名称で、分析を伴う視覚的な質問と回答のデータ セットです。関連するモデルは、回答分析を予測して生成する必要があります。それはでできています VQA v2 データセット自動的に導出された「画像・質問・回答の 3 つの要素」がテキスト分析に合成されるため、質問と回答のプロセスが理解しやすくなり、追跡可能になります。