视觉问答 (VQA)是一个包含关于图像的开放式问题的数据集。这些问题需要对视觉、语言和常识知识的理解才能回答。数据集的第一个版本于 2015 年 10 月发布。VQA v2.0于 2017 年 4 月发布。