什么使视频对盲人和视障人士可访问？

文献标题

What Makes Videos Accessible to Blind and Visually Impaired People?

文献信息

• 主题领域: 视频无障碍性研究，特别是盲人和视障群体的视频使用体验改善
• 关键词: 盲人, 视觉障碍, 在线视频, 无障碍性, 视频搜索, 视频描述, 自动化评分

研究背景与问题

• 作者发现了哪些问题或挑战？

  • 在线视频作为信息的主要来源，目前大多数视频对盲人和视障（BVI）人群不可访问，缺乏对视觉内容的额外描述。
  • BVI 用户在选择视频时只能通过试错法（trial-and-error）点击预览，从而耗费大量时间。而当前的视频平台未明确标记哪些视频适合BVI人群。
  • 缺乏一套自动化方法来量化视频无障碍性。

• 为什么这个问题很重要？

  • 在线视频的普及使其成为信息交流和获取的核心形式，但对BVI人群而言，他们难以有效选择或理解这些内容。这种障碍不仅影响了他们的信息获取，还限制了他们在社会互动和娱乐方面的参与。

• 研究动机与相关工作

  • 现有研究多集中于提供手动或自动生成的音频描述内容，但其覆盖范围有限，且难以扩展。
  • 作者希望开发一种自动化的无障碍评估工具，通过计算视频的语音、视觉和音视频交互元素，提供无障碍性评分，从而帮助BVI用户更快找到适合的视频。

解决方案

• 作者提出了哪些方法或解决方案？

  • 提出了7个无障碍性启发式原则（heuristics），并将其转化为自动化的7个量化指标（metrics）。
    • 音频相关指标:
      • 非语音时长百分比（% Non-speech）
      • 低词汇密度语音的百分比（% Low lexical density speech）
    • 视觉相关指标:
      • 画面切换率（Rate of shot changes）
      • 每分钟视觉实体出现数量（# Visual entities / min）
    • 音视频交互指标:
      • 未在语音中描述的视觉实体百分比（% Visual entities not in speech）
      • 每分钟未描述的屏幕文字数量（# Undescribed on-screen text / min）
      • 每分钟视觉引用数量（# Visual references / min）
  • 构建一个增强型视频搜索界面，显示视频的无障碍性评分并支持筛选，从而优化BVI用户的搜索体验。

• 该解决方案的创新之处是什么？

  • 整合数据驱动的自动化无障碍指标，量化视频对BVI用户的可访问性。
  • 提供简单易懂的无障碍性分数和指标解释，帮助BVI用户做出更有信息支持的决策。
  • 将无障碍性预测集成到视频搜索界面中，从而减少现有“试错法”的时间耗费。

• 实施步骤是什么？使用了哪些关键技术？

  1. 通过面向BVI人群的访谈研究收集无障碍性评估的相关特征。
  2. 为这些特征设计对应的自动化指标（如语音转写、视觉内容识别、光学字符识别等）。
  3. 利用线性回归分析视频无障碍性评分与7个指标之间的关系。
  4. 设计一个增强的视频搜索界面，并通过用户研究验证其有效性。

研究成果

• 取得了哪些具体成果？

  1. 总结了7个无障碍性启发式原则并提出相应的量化指标。
  2. 建立了一个回归模型，对视频无障碍性评分的解释度达到调整后 ( R^2 = 0.642 )，表明模型能够较好地解释BVI用户的无障碍性感知。
  3. 开发了支持无障碍性评分和筛选功能的视频搜索界面，在实验中显著减少了用户查找合适视频所需的时间和预览视频的次数。

• 与现有解决方案相比，它有哪些优势？

  • 自动化的指标和评分减少了用户评估视频可访问性的主观工作量。
  • 无障碍信息的预测和呈现提升了搜索效率和用户体验。
  • 提供了对现有音频描述方法的补充，不局限于描述视觉内容的片段。

• 实验或评估结果是什么？

  • 增强的视频搜索界面对减少搜索所需时间（缩短40%）和试错次数（减少54%）效果显著。
  • 用户评价预测结果准确（平均绝对误差为0.53），并强烈偏好新增的无障碍功能。

• 局限性与未来方向

  • 局限性:
    • 数据集相对较小（55个视频），且大多来自YouTube的热门页面，这可能偏向于更无障碍的视频。
    • 部分指标（如视觉实体数量）未能直接影响感知无障碍性，可能低估视觉相关因素的重要性。
  • 未来工作:
    • 扩展视频数据集，覆盖更多样的主题和制作类型。
    • 探索感知无障碍性与真实无障碍性之间的差距。
    • 开发更高效的自动化处理工具，如对视频片段的分段分析。
    • 扩展支持包括其他社交媒体在内的视频平台，例如Twitter和Facebook。