CIRR は Compose Image Retrieval on Real-life image の略で、クラウドソーシングされたオープンドメインの画像と手動で生成された修正テキストが 36,000 組以上含まれています。このデータセットは、視覚的な言語概念の微妙な推論と対話による反復検索に関する将来の研究を促進することを目的としており、オープンドメインで視覚的に類似した画像を区別することに重点を置くことで既存のデータセットの欠点に対処します。