GenAssist：让图像生成无障碍化

盲人和低视力（BLV）创作者使用图像与视力正常受众交流。然而，创作或检索图像对 BLV 创作者而言十分困难，因为他们难以使用创作工具或评估图像搜索结果。因此，创作者限制了所创作图像的类型，或求助于视力正常的协作者。虽然文本到图像生成模型让创作者能基于文本描述（即提示词）生成高保真图像，但评估生成图像的内容与质量仍然困难。我们提出 GenAssist，一个使文本到图像生成无障碍化的系统。通过我们的界面，创作者可验证生成的图像候选是否遵循提示词、获取图像中未由提示词指定的额外细节，并浏览图像候选间相似性与差异的摘要。为驱动该界面，GenAssist 使用大语言模型生成视觉问题、视觉-语言模型提取答案，以及大语言模型总结结果。我们对 12 名 BLV 创作者开展的研究表明，GenAssist 赋能并简化了图像选择与生成过程，使视觉创作对所有人更可及。