面向色觉缺陷者的颜色通用设计神经网络

图像信息应被所有人（包括色觉缺陷者）轻松理解。然而，当某种颜色被色觉缺陷者感知为扭曲且与相邻物体相接时，这些信息将难以被识别。本文旨在提出一种颜色通用设计网络（Color Universal Design Neural Network，简称CUD-Net），以生成对色觉缺陷者视觉可理解的图像。CUD-Net是一种卷积深度神经网络，能够通过回归分段线性函数的节点点并使用特定滤波器来保持输入图像的颜色并区分颜色。为生成色觉缺陷者的CUD图像，我们遵循四步流程：第一，依据特定标准由色彩专家细化CUD数据集；第二，通过针对色觉缺陷视觉的专用预处理扩展输入图像信息；第三，采用多模态融合架构组合特征并处理扩展后的图像；第四，提出基于模型预测图像组成的对抗损失函数，以解决数据集中出现的“一对多”问题。我们的 method 能够生成保持颜色和对比度稳定的高质量CUD图像。CUD-Net的代码已在GitHub仓库中提供。