CIRR 全称 Compose Image Retrieval on Real-life images，包含超过 36,000 对众包的、开放域图像与人工生成的修改文本。该数据集旨在促进未来对视觉语言学概念的微妙推理的研究，以及用对话进行迭代检索，通过更强调区分开放域视觉相似图像来解决现有数据集的缺陷。