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.
0 条评论。