面向视障人士更易访问的科学PDF：逐步修复PDF以提高标签准确性

研究背景与问题

• 作者发现了哪些问题或挑战？ 仅极少数PDF文件能够满足盲用屏幕阅读器的可访问性标准(PDF/UA)，这些无障碍问题尤为严重，并对STEM领域的学习和职业生涯造成了重大障碍。此外，现有PDF修复工具经常难以使用，尤其对非专家而言，现有工具的流程复杂且易出错。

• 为什么这个问题很重要？ PDF作为科学文献的主要形式，在学术交流中占据重要地位。如果无法有效提高PDF的可访问性，将进一步加剧视觉障碍者在科学研究及职业发展中的代表性不足。这一问题还违反了多项法律法规（如《Section 508法案》和《欧洲可访问性法》），这些法规要求公共文件对所有人都可访问。

• 研究动机与相关工作 作者过去的研究和现有文献表明，只有不到2.4%的科学PDF文件完全符合无障碍标准。现有工具如Adobe Acrobat Pro复杂难用，自动生成的标签质量有限。此外，研究证实用户对数学公式及复杂布局的PDF无障碍处理尤感不适。因此，亟需开发一种易于使用、具有高精度标签能力的工具。

解决方案

• 作者提出了哪些方法或解决方案？ 作者开发了PAVE 2.0，一种半自动PDF修复工具，提供八个清晰步骤来改善标签结构和提升可访问性。它包括人工智能支持的功能，比如数学公式的替代文本生成器，并设计了一个交互式的用户界面，以减少用户对PDF结构树的直接操作需求。

• 该解决方案的创新之处是什么？

  1. 提出了AI驱动的数学编辑器，辅助生成基于MathSpeak规则的数学公式替代文本。
  2. 引入了“逐步修复流程”，划分为内容独立与内容依赖任务，允许用户从简单到复杂逐步完成修复。
  3. 设计了一个完全新的无障碍评分标准，包括13项手动可检查性标准，用于可靠地评估PDF的标签准确性。

• 实施步骤是什么？使用了哪些关键技术？

  1. 定义区域：使用AI模型检测段落、标题、公式、图形等区域，并允许用户手动调整。
  2. 配置阅读顺序：通过线性绘制工具或列表修改顺序。
  3. 设定标题级别：自动或手动调整标题的层次结构。
  4. 创建表格和列表：通过绘制分割线定义子单元格。
  5. 分配图像的替代文本：支持字数计数器以优化替代文本。
  6. 提供数学编辑器：基于AI模型生成LaTeX公式并转换为替代文本。
  7. 复核页面和设置元信息：提供包含标记结构的PDF预览。

研究成果

• 取得了哪些具体成果？

  1. PAVE 2.0使参与者的标签准确性显著提升，对经验丰富用户从42.0%提升到80.1%，对初学者从39.2%提升到75.2%。
  2. 研究表明，19名参与者中的15人更愿意未来使用PAVE 2.0，且所有人都推荐其适合初学者。

• 与现有解决方案相比，它有哪些优势？

  1. 用户界面更加直观：与Adobe Acrobat默认的复杂结构树操作比较，大幅降低了使用门槛。
  2. 修复流程更加系统和高效：将修复任务分步骤进行，指导用户按逻辑顺序完成任务。
  3. 在数学公式替代文本生成方面有AI辅助功能，这是Adobe Acrobat Pro所缺乏的。

• 实验或评估结果是什么？

  1. 用户更倾向于将每页修复时间控制在2-5分钟，而PAVE 2.0的实际修复时间基本可以满足这一要求。
  2. 使用自动标签功能时，PAVE 2.0的初始标签质量（56.9%）比Adobe Acrobat Pro高出19.4个百分点。
  3. PAVE 2.0能纠正自动化模型的错误标签，包括标题结构、数学公式和表格。

• 局限性与未来方向

  1. 当前版本尚未支持复杂结构，如跨页表格和多列列表。
  2. 绘制列表和阅读顺序的功能还需进一步优化，特别是在发现AI标签错误和训练用户使用这些工具方面。
  3. 未来研究应关注该流程在多种出版环境中的应用，并探讨用户在现实场景中的长期使用反馈。
  4. 整合MathML标准，开发PDF无障碍数学公式的交互式解决方案，如树状结构导航。

总结

该研究在PDF修复领域提供了重要贡献，不仅显著优化了PDF无障碍流程，还为复杂内容（如数学公式）的处理提出了新的解决方案。PAVE 2.0通过直观界面及AI支持显著提升了标签质量，并证明其对初学者及普通用户特别友好。这项工作有潜力改变PDF无障碍修复的标准，尤其是在学术传播领域。