人口统计学注释：解决社会偏见与潜在风险

虽然我们认为在视觉语言模型中引入人口统计学注释是解决社会偏见的必要手段，但我们也承认这可能存在一些风险。

'感知属性'：注释是由外部观察者进行的，这意味着它们反映的是感知属性。感知属性可能与真实个体的属性不一致。就数据集构建而言，无论是GCC还是计算机视觉数据集，都不可能询问图像中所描绘个体的自我感知属性。注释不应被视为真实、客观或可信的标签，而应被视为观察者对图像中人物分类的一种近似。

'主观性'：注释是主观的，而非普遍适用的。许多人口统计属性，尤其是与种族、民族或情感相关的属性，在不同的背景和文化中有不同的分类系统。

'恶意用途'：注释的预期用途是用于研究社会偏见和公平性。虽然我们无法控制注释一旦公开后会由谁、何时以及如何使用，但严禁将其用于恶意应用。