色觉缺陷（Colour Vision Deficiency，CVD）是一种较为常见的疾病，全世界每12名男性中就有一名CVD患者，每200名女性中就有一名CVD患者。目前有很多技术手段来帮助这些患者识别颜色，这些方法根据所使用的感觉器官可以分为触觉辅助、视觉编辑辅助和听觉辅助。视觉辅助方法可以进一步分为四种：（1）对易混淆的颜色进行重着色；（2）使用覆盖在图片上的图案表示颜色信息；（3）突出显示指定的颜色；（4）上述三种方法的混合方法。本文提出了新的使用图案的视觉辅助的方法ColourIconizer和ColourMix，并通过和目前表现最好的ColourMeter方法进行比较，可以看出所提出方法的有效性。
ColourIconizer使用现实生活中的事物作为符号，这些符号强烈暗示着其所代表的的颜色。ColourIconizer选用了10个具有代表性的或者易被CVD患者混淆的颜色，随后从网络上收集大量的图标，并从中挑选出可以很自然且没有歧义地暗示对应的颜色的图标。这个图标的选择是相对自由的，可以根据地域文化特点选择合适的图标。
由于ColourIconizer表征的颜色数量有限，为了进一步探索这种基于图案的方法的表征能力，作者又提出了ColourMix。在ColourMix中，四种颜色作为基本颜色，被赋予一个简单且形象的符号。之所以选用四个而不是红黄蓝三个，主要是考虑到常常困扰CVD患者的青色（Teal）可以更容易使用绿色和蓝色的混合表示。随后，这些基本颜色两两混合，得到次生颜色，通过控制符号的透明度来表示两种基本颜色的混合比例。到目前为止，在ColourIconizer中提到的10种基本颜色，仍然有粉色、棕色、灰色难以表示。这里额外考虑这三种颜色，粉色和红色的色调（Hue）相近，所以使用类似的符号表示（区别在于粉色符号其中一条线的透明度降低了）；对于棕色，鉴于有棕红，棕黄等等组合颜色，所以使用正方形边框表示棕色，这样方便符号的叠加组合；最后灰色（或者是饱和度）使用符号的大小表示。
为了能够将上面的方法应用到实际场景，还需要构造一个映射，这个映射可以将任意一种RGB颜色，映射成上面的10种颜色之一（对于ColourIconizer），或者上面7种颜色（红、黄、绿、蓝、粉、棕、灰）的混合（对于ColourMix）。为此，这里先使用了Heer[2]等人提出的颜色字典，将任意RGB565颜色映射成153中颜色名称之一，随后去除颜色名称前缀（例如lightgreen变成green），得到113种颜色。然后从中提取出基本颜色名（例如applegreen变成green），进而只剩下61中颜色，最后通过查询维基百科进一步将这些颜色分解成基本颜色名（例如maroon在维基上被解释为brownish crimson，所以将maroon分解为brown和crimson，crimson则可以进一步分解为red和purple，因此maroon最终分解成brown、red、purple，且各占1/3）。对于维基也没有给出好的解释的，则可能是因为存在歧义（例如肤色skin，在不同地区的定义不同），作者对这些名词进行简单地忽略。经过这一步后，颜色被映射成基本颜色的组合，通过提取最高比例的颜色可以用于ColourIconizer的映射。
随后作者进行了用户实验。实验分为三个任务：（1）选择任务。参与者从色块网格中选出指定颜色的色块；（2）过渡任务。参与者需要对色块进行排序，使得这些色块从左到右可以平滑地过渡；（3）排列任务。每次呈现一个色块，参与者需要将这个色块和屏幕上的标签对应。之所以不一次性全部呈现所有色块，是为了防止参与者将不同颜色进行对比。参与者分成五组：非CVD患者对照组、CVD患者对照组、ColourMeter组、ColourIconizer组、ColourMix组。其中两个对照组的参与者将在没有辅助视图的情况下完成任务，后面三个组分别使用相应的辅助视图。实验将从准确率和完成时间两个维度对辅助效果进行评价。
实验结果发现，在准确率上，ColourIconizer在选择任务的表现接近非CVD患者对照组，而在排列任务上甚至超过了非CVD患者组。当然这不能表明 ColourIconizer可以让CVD患者的颜色认知能力强于非CVD患者，这表明颜色命名具有一定的主观性，实验中采用的颜色名称并不一定符合参与者的心里印象。但不管怎么说，ColourIconizer在颜色识别任务上确实对CVD患者提供了很大的帮助。但在过渡任务上ColourIconizer的表现较差，这也是符合预期的：ColourIconizer无法表达两个颜色之间的过渡。相反ColourMix在这个任务上的表现较好，在其他两个任务上也并不差。
在完成时间上，除了过渡任务中ColourIconizer的完成时间异常地低（这是因为参与者无法从视图中得到有用的信息，难以完成任务而早早放弃任务），其他的完成时间虽然不比非CVD对照组快，但在准确率较高的情况下，相较于ColourMeter还是有一些提高。
【参考文献】
[1] Connor Geddes, David R. Flatla, Garreth W. Tigwell, and Roshan L Peiris. 2022. Improving Colour Patterns to Assist People with Colour Vision Deficiency. In CHI Conference on Human Factors in Computing Systems, 17 Pages, 2022.
[2] David R. Flatla, Alan R. Andrade, Ross D. Teviotdale, Dylan L. Knowles, and Craig Stewart. ColourID: Improving Colour Identification for People with Impaired Colour Vision. In Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems. 3543–3552, 2015.
[3] Jefrey Heer and Maureen Stone. Color Naming Models for Color Selection, Image Editing and Palette Design. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. 1007–1016, 2012.
评论关闭。