针对低视力用户的基于 GCN 的可访问性检查器
软件工程
2025-02-21 v1
摘要
背景：移动应用（app）中的可访问性问题（如界面元素尺寸过小或间隔过窄）对数十亿低视力用户构成了交互图形用户界面（GUI）的障碍。虽然已有 GUI 可访问性扫描工具，但大多数基于规则，依赖复杂的 GUI 层级结构，可能检测到冗余信息、无法处理小偏差、遗漏类似组件且难以扩展。目标：本文提出一种新方法，命名为 ALVIN（Low Vision Accessibility Checker），将 GUI 表示为图结构，并采用图卷积神经网络（GCN）对不可访问组件进行标记。方法：ALVIN 删除不可见视图以防止冗余检测，并利用低视力用户的标注处理小偏差。此外，GCN 模型可考虑 GUI 组件之间的关系，连接相似组件，降低遗漏概率。ALVIN 仅需用户标注相关数据集即可检测新类型的问题。结果：在 48 个应用的实验中显示，ALVIN 的效果显著，精确率达 83.5%，召回率达 78.9%，F1 分数达 81.2%，优于基线方法。在 RQ2 中，通过 20 项提交给开源应用的问题验证了其实用性。RQ3 也表明 GCN 模型优于其他模型。结论：总结而言，我们提出的方法能够有效检测低视力用户 GUI 中的可访问性问题，从而高效指导开发者修复问题。
引用
@article{arxiv.2502.14288,
title = {Are your apps accessible? A GCN-based accessibility checker for low vision users},
author = {Mengxi Zhang and Huaxiao Liu and Shenning Song and Chunyang Chen and Pei Huang and Jian Zhao},
journal= {arXiv preprint arXiv:2502.14288},
year = {2025}
}
备注
27 pages, 9 figures, has been published in Information and Software Technology