为什么重要
VizWiz 来自真实的视障用户——他们用手机拍照然后提问。图片质量参差不齐（模糊、光线差、构图不佳），问题反映真实的辅助需求（“这个药瓶上写的是什么""这件衣服什么颜色”）。约 28% 的问题因图片质量太差而不可回答，要求模型学会判断。
构建方式
视障用户通过 VizWiz 应用拍照提问，众包标注者提供答案。保留低质量图片，标注不可回答的问题。
任务示例
- 模糊的药瓶照片 → “What does the label say?” → 可能不可回答
- 过曝的衣物照片 → “What color is this shirt?” → 可能回答不确定
关键发现
- 不可答判断是独特的能力需求——大多数 VQA 假设所有问题都有答案
- 低质量图像下模型性能大幅下降
- 真正有社会价值的 AI 辅助技术应用
关联基准
VQAv2（标准 VQA）、OK-VQA（知识型）、TextVQA（文字识别）
不足与展望
数据以英语和美国用户为主。标注质量受制于众包。