VCR은 Visual Commonsense Reasoning의 약자로, 시각적 상식 추론을 위한 대규모 데이터 세트입니다. 데이터 세트는 이미지에 대한 까다로운 질문을 제기하며, 기계는 두 가지 하위 작업을 완료해야 합니다. 질문에 올바르게 답하고 답변을 정당화하는 이유를 제공해야 합니다. VCR 데이터 세트에는 많은 수의 질문이 포함되어 있으며, 그 중 212,000개는 학습에, 26,000개는 검증에, 25,000개는 테스트에 사용됩니다. 11만 개가 넘는 독특한 영화 장면에서 정답과 이유가 도출되었습니다.