VizWiz视觉问答数据
盲人和低视力用户拍摄图像及问题答案，服务辅助视觉问答，由VizWiz Team提供，来自VizWiz数据库，数据格式为多模态，包含31000条数据，适用于分类任务。
基本信息
资源简介
VizWiz视觉问答数据
【一句话概览】
我们提出一项人工智能挑战，旨在设计算法回答盲人提出的视觉问题。为此，我们引入来自该人群的视觉问答数据集 VizWiz-VQA，其源于自然场景：盲人各自拍摄一张图像并录下关于该图像的口头问题，每个视觉问题配有10个众包答案。该挑战针对此数据集设定两项任务：预测视觉问题的答案，以及预测视觉问题是否无法回答。最终，我们希望这项工作能让更多人了解盲人的技术需求，同时为研究人员提供开发辅助技术、消除盲人无障碍障碍的新机会（来源 vizwiz.org）。
【数据集背景】
本数据集源站标题为《Visual Question Answering》。
【数据内容】
源站原始描述：We propose an artificial intelligence challenge to design algorithms that answer visual questions asked by people who are blind. For this purpose, we introduce the visual question answering (VQA) dataset coming from this population, which we call VizWiz-VQA. It originates from a natural visual question answering setting where blind people each took an image and recorded a spoken question about it, together with 10 crowdsourced answers per visual question. Our proposed challenge addresses the fol…
中文译文（机器翻译，仅供快速理解，请以原文为准）：我们提出一项人工智能挑战，旨在设计能够回答盲人提出的视觉问题的算法。为此，我们引入了来自这一人群的视觉问答（VQA）数据集，我们称之为VizWiz-VQA。它源自一个自然的视觉问答场景，其中盲人各自拍摄一张图像并录制一个关于该图像的口头问题，同时每个视觉问题附带10个众包答案。我们提出的挑战针对该数据集涉及以下两项任务：预测视觉问题的答案，以及（2）预测视觉问题是否无法回答。最终，我们希望这项工作能让更多人了解盲人的技术需求，同时为研究人员提供一个令人兴奋的新机遇，开发能够消除盲人无障碍障碍的辅助技术。
【主题与分类】
主题标签：Visual Question Answering、VQA、VizWiz-VQA、blind、accessibility、assistive technologies、image、question answering。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://vizwiz.org/tasks-and-datasets/vqa/
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://vizwiz.org/tasks-and-datasets/vqa/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
盲人和低视力用户拍摄图像及问题答案，服务辅助视觉问答。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
