AccessLens：自动检测日常物品的不可访问性

文献标题

AccessLens: Auto-detecting Inaccessibility of Everyday Objects

文献信息

• 主题领域: 人机交互、无障碍设计、计算机视觉
• 关键词: 无障碍设计, 3D打印辅助, 对象检测, 人机交互, 无障碍计算, 数据集, 室内场景

研究背景与问题

• 问题或挑战:

  1. 日常生活中的许多物体（如门把手、开关等）在特定上下文中可能对某些人（如身体或感官有障碍的人）造成使用障碍。
  2. 针对这些无障碍问题的传统解决方案，如物理改造或安装辅助设备，常常成本高昂，同时难以适应动态或情境化的需求。
  3. 普通用户（尤其是无经历障碍的群体）通常缺乏对无障碍问题的认知，进一步延缓了以广泛社区为基础的无障碍意识提升。

• 重要性: 提升公众对日常环境中隐藏的无障碍问题的认知，能够推动更广泛的包容性设计，将“为一人设计，造福所有人”的理念落到实处。

• 研究动机与相关工作:

  1. 现有数据集（如ADE20K）缺乏对涉及无障碍性的物体类型和交互上下文的标注。
  2. 目前的系统通常专注于特定障碍类型（如轮椅用户）或特定场景，未能充分捕捉临时性或情境性的障碍。
  3. 缺乏一种工具，能够自动发现无障碍问题并建议低成本的解决方案，同时增强用户的无障碍感知水平。

解决方案

• 方法或解决方案: 作者提出了一个端到端系统 AccessLens，包括以下三个关键模块：

  1. AccessDB/AccessReal 数据集：包含10,000多个重新标注的室内场景对象，用于训练和测试不可访问物体检测的模型，涵盖21个无障碍类别。
  2. AccessMeta 元数据：通过3D打印辅助设计提供一套语义化的字典，关联对象交互属性与无障碍类别。
  3. 用户应用工具包：通过一个移动界面，用户可以扫描室内照片，系统自动检测无障碍问题并建议针对性设计。

• 创新之处:

  1. 首创结合无障碍对象检测和3D打印辅助设计推荐的系统。
  2. 创建了专门标注无障碍问题的新数据集（AccessDB 和 AccessReal）。
  3. 系统面向具有有限无障碍认知的用户，通过提供即插即用的3D打印设计，降低技术与心理门槛。
  4. 强调无障碍是普适性问题，而不仅局限于障碍确诊人群。

• 实施步骤与关键技术:

  1. 数据构建: 重新标注ADE20K数据集以生成AccessDB，采集现代室内场景生成AccessReal。
  2. 训练与检测: 使用RetinaNet和AccessDB训练不可访问物体检测模型。
  3. 元数据设计: 定义3种主要类别（动作约束、标识指示、操作辅助）和多功能3D打印设计语义元数据。
  4. 系统评测与用户反馈: 通过用户研究和技术实验评估系统的准确性与用户接受度。

研究成果

• 具体成果:

  1. AccessDB和AccessReal: 提供了21类无障碍类别的详细标注数据，覆盖10,467个对象实例。
  2. AccessMeta: 创建了元数据字典，包括280种3D打印辅助设计与52种日常对象之间的关联。
  3. AccessLens的用户界面与系统性能: 通过实验验证了系统帮助用户提高无障碍问题认知的能力，同时检测器在现代场景下的目标检测表现良好（mAP接近15%）。

• 与现有解决方案的优势:

  1. 更全面地覆盖日常无障碍问题，支持场景化和情境化的无障碍认知。
  2. 提供即时、低成本的3D打印解决方案，为用户提供可操作性建议。
  3. 适用于无任何辅助技术经验的普通用户，显著降低使用门槛。

• 实验或评估结果:

  1. 在AccessReal数据集上的检测效果良好，模型能够识别图片中小尺寸的不可操作物体。
  2. 用户实验中，与书面指南相比，AccessLens显著提高了用户识别无障碍对象和寻找解决方案的能力。
  3. 用户普遍认为系统推荐的3D打印设计易于实现且对成本友好。

• 局限性与未来方向:

  1. 局限性:
     • 现有检测模型的性能在高分辨率场景上有一定局限性。
     • 系统建议可能存在设计冲突（如多方用户需求矛盾）。
     • 缺乏自动化的3D模型自定义和完备的约束检测。
  2. 未来方向:
     • 扩充系统功能以容纳更多无障碍类别和实际用户场景。
     • 集成定制化功能以满足更复杂的3D打印需求。
     • 推动社区协作，通过用户反馈持续优化AccessMeta分类和数据扩展。
     • 结合自动化工具和机器学习模型，提升无障碍评估和解决方案推荐的准确性。