将 2D emoji 翻译成开源 3D 时意想不到的设计挑战
The unexpected design challenges of translating 2D emoji into open-source 3D
为让全部 3,977 个 emoji 在深色模式下保持可辨识,团队构建了 AI 对比度审计工具,扫描图像边缘并在对比度低于阈值时标记问题、给出视觉改进建议。算法只负责发现问题,设计师随后手工绘制边缘轮廓光与高光,避免自动滤镜为通过检测而冲淡深色肤色。目标是让用户无论使用默认黄色还是 tone 5,都不必在真实肤色与消息可读性之间做取舍。
虽然每个 emoji 都由人手塑造,但要确保情感表达能在数千块屏幕上清晰呈现,还需要自动化的助力。
emoji 的首要任务是让人一眼就能看懂,但如果人们根本看不清这个字符,这一点就完全失效了:例如,黑猫出现在黑色背景上。在深色模式下,使用较深肤色的人长期以来面临一个恼人的现实:他们的 emoji 常常在黑色或深灰色聊天气泡中消失不见。当轮廓消失时,含义也随之消失。
我们希望修复全部 3,977 个字符中的这一问题,同时也明白设计师无法可靠地凭肉眼检查数千种组合。为了承担这项数学上的繁重工作,我们构建了一个由 AI 驱动的对比度审计工具。
正如项目经理 Wilder Wells 所解释的:“图像边缘的高色彩对比度是在小尺寸下保持可读性的关键因素,因此我们构建了一个工具,扫描边缘,当对比度低于常见背景的阈值时发出标记,并建议设计师可以实施的视觉改进。”
虽然算法标记出了失败之处,但并没有解决它们。自动滤镜只会为了通过测试而冲淡丰富的肤色。相反,我们的设计师介入,手工雕琢定制的边缘保护——亲手绘制微妙的轮廓光和轮廓高光。
任何人都不应在使用自己真实肤色和让消息清晰可读之间做出选择。无论某人发送的是默认黄色色调还是色调 5 的 emoji,他们的身份都不应成为无障碍方面的取舍。
来源:Hacker News · design.google