
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。