COVR是一个用于基于真实图像的组合通用化的新测试平台。它使用场景图注释的实际图像和生成问题答案的过程来创建相关的场景图像集。COVR可以在测试时间零或少量训练数据的情况下进行新概念和组合的通用化。使用COVR构建的组合划分展示了许多情况，其中最先进的预训练语言和视觉模型难以进行组合通用化。