iVQA は、Educational Video Question Answering の正式名で、言語の偏りを軽減し、高品質の手動注釈を備えたオープンなビデオ質問と回答のデータ セットです。

データセットには 10,000 のビデオ クリップが含まれており、各クリップには 1 つの質問と 5 つの回答が含まれており、各質問にはビデオを利用して回答する必要があります。